Apprentissage artificiel

Ce cours est une introduction au domaine de l’apprentissage artificiel qui offre un cadre théorique et un ensemble de méthodes pour inférer des connaissances à partir d’exemples ou d’observations. En permettant la modélisation ou l’amélioration du comportement d’agents intelligents, l’apprentissage artificiel est un champ essentiel de l’intelligence artificielle.

― Comprendre le cadre méthodologique de l’apprentissage à partir d’exemples.
― Comprendre l’apprentissage de concepts comme une exploration d’hypothèses structurées en étudiant les relations de généralisation-spécialisation, la notion de cou- verture des exemples, et des algorithmes d’apprentissage de règles.
― Comprendre l’apprentissage par optimisation en étudiant plusieurs méthodes de classification supervisée (classification linéaire, arbres de décision, forêts aléatoires, SVM...).
― Savoir estimer l’erreur d’un modèle d’apprentissage.
― Savoir implémenter un algorithme d’apprentissage.
― Savoir implémenter un algorithme d’apprentissage par renforcement.