Intelligence Articielle (1) Introduction

Dimension: px
Commencer à balayer dès la page:

Download "Intelligence Articielle (1) Introduction"

Transcription

1 1/32 Introduction Un peu d'histoire Les nouveaux dés Intelligence Articielle (1) Introduction Pierre Gançarski Université de Strasbourg IUT Robert Schuman DUT Informatique

2 /32 Plan 1 Introduction 2 Un peu d'histoire 3 Les nouveaux dés

3 3/32 Introduction Un peu d'histoire Les nouveaux dés Introduction Qu'est ce que l'intelligence articielle? L'expression intelligence articielle est apparue en 1956 pour désigner la problématique fondamentale : Comment concevoir une machine intelligente? Construire une machine intelligente? Deux types de réponses : une machine sera considérée comme intelligente si elle reproduit le comportement d'un être humain dans un domaine spécique ou non une machine sera considérée comme intelligente si elle modélise le fonctionnement d'un être humain

4 4/32 Introduction Un peu d'histoire Les nouveaux dés Exemple du jeu d'échecs Remarques préalables 1. On admet communément que savoir jouer aux échecs est une capacité humaine qui requiert de l'intelligence 2. Le but de ce cours n'est pas de dénir ce qu'est l'intelligence

5 5/32 Introduction Un peu d'histoire Les nouveaux dés Exemple du jeu d'échecs Les deux solutions possibles 1. On essaie avant tout à obtenir un programme ecace : peut importe que la machine fasse des calculs inaccessibles à l'homme comme explorer quelques centaines (ou milliards) de positions à la seconde : complexité en O(p n ) où p est le nombre moyen de coups légaux dans une position donnée, n est la profondeur étudiée Si on veut étudier par exemple 11 coups en avance et qu'il y a en moyenne 40 coups possibles : (2 2 10) coups coups IBM Deeper Blue (1997) : opérations/s de combinaisons/s 10 9 secondes 192 jours (en fait, il ne calculait que sur 6 coups) Supercalculateur CURIE (2012) : opérations/s 10 2 secondes 1,5 minutes si on considére qu'il faut une seule opération par combinaison!!! Pocket Fritz 4 HTC (2009) : mêmes résultats en terme de victoires que Deep Blue avec seulement 4 coups et positions/seconde.

6 6/32 Introduction Un peu d'histoire Les nouveaux dés Exemple du jeu d'échecs Les deux solutions possibles 1. On essaie avant tout à obtenir un programme ecace : peut importe que la machine fasse des calculs inaccessibles à l'homme comme explorer quelques centaines (ou milliards) de positions à la seconde 2. On cherche à comprendre/imiter comment l'homme joue aux échecs : interviews des grands maîtres, étude des parties, recherche des règles plus ou moins consciemment suivies par les joueurs (occupation du centre, domination d'une couleur de case, etc.) an d'en déduire des statégies de jeu. Les deux approches de l'ia Ces deux approches illustrent bien les deux courants de pensées en IA : les pragmatistes et les cogniticiens.

7 7/32 Introduction Un peu d'histoire Les nouveaux dés Approche pragmatique Paradigme Utiliser l'ordinateur au mieux de ses capacités pour obtenir de meilleurs résultats que ceux que pourrait obtenir un humain. Une machine intelligente est une boîte noire où entrerait des données du problème et sortirait des résultats sans que l'on se préoccupe de ce qui se passe dans la boîte. La boîte serait considérée comme intelligente si elle réussit les mêmes tests que réussirait un être humain : le plus célébre est le test de Turing

8 8/32 Introduction Un peu d'histoire Les nouveaux dés Approche pragmatique Tests de Turing Jeu de l'imitation : Un homme, une femme et un observateur sont chacun dans une pièce : L'observateur doit déterminer avec des questions du type :Comment sont vos cheveux? qui est la femme et qui est l'homme. Les intervenant ne se voit pas entre eux, les voix sont déformées,... Un des deux joueurs (l'homme) doit essayer d'induire en erreur l'observateur, l'autre essaie au contraire de l'aider. On remplace l'homme par une machine

9 9/32 Introduction Un peu d'histoire Les nouveaux dés Approche pragmatique Tests de Turing Alan Turing postule alors que si la machine fait au moins aussi bien que l'humain (elle trompe l'observateur), alors elle est intelligente. Si l'on peut confondre les deux comportements alors on peut considérer que le programme exécuté est équivalent à un esprit.

10 10/32 Approche pragmatique Mise en oeuvre Dans le cadre de cette approche de nombreuses techniques d'ia (espaces d'états, parcours d'arbres, algorithmes minimaux, etc.) existent mais ils modèlisent peu le fonctionnement d'un esprit humain. On dit souvent que cette approche est de l'ia faible car la valeur du mot penser est extrêment faible.

11 11/32 Approche cognitive Paradigme L'IA est la réalisation de programmes imitant dans leur fonctionnement l'esprit humain. L'étude des raisonnements humains est une n en soi. Le but est d'étudier et de généraliser le concept d'intelligence en essayant de donner une description abstraite des mécanismes qui la rendent possible on étudie comment une capacité cognitive dénie de manière abstraite peut s'incarner dans un système informatique.

12 12/32 Approche cognitive Mise en oeuvre Dans cette approche on utilise des systèmes symboliques décrivant d'une part des connaissances et des moyens de les utiliser et surtout, d'autre part, des moyens de découvrir automatiquement de nouvelles connaissances soit par extraction de connaissances soit par inférence de nouvelles d'améliorer la façon de les utiliser Apprentissage symbolique

13 13/32 Limites des deux approches la force brute de l'ordinateur ne sut jamais à résoudre les problèmes les plus compliqués : il est nécessaire d'y adjoindre ds heuristiques, des méthodes de représentations des connaissances qui proviennent le plus souvent d'une analyse de la manière dont nous fonctionnons l'approche cognitive n'a pas donné les résultats escomptés car on a du mal à savoir comment fonctionne l'esprit humain d'autres paradigmes ont vu le jour

14 14/32 Les autres approches Connexionisme Modèlisation très grossière, très imparfaite et très réductrice du fonctionnement des neurones du cerveau humain. Un système connexionniste est formé de noeuds interconnectés capable d'apprendre automatiquement un certain nombre d'exemples puis de les généraliser d'une façon empirique sans qu'il faille à aucun moment décrire une quelconque symbolique de la connaissance.

15 15/32 Les autres approches L'algorithmique adaptative Les algorithmes génétiques sont des algorithmes dérivés de la génétique et de l'évolution naturelle : croisements, mutations,... Un algorithme génétique réalise une optimisation de la ou des solutions par évolution : 1. génération aléatoire de solutions 2. mesure de la qualité de chacune solution : fonction d'évaluation 3. reproduction des meilleures solutions 4. croisement mutation aléatoire des solutions retenues 5. si la ou les solutions sont satisfaisantes : Fin sinon retour en 2

16 Introduction Un peu d'histoire Les nouveaux dé s Les autres approches Vie arti cielle - émergence Société d'experts (approche multi-agents). Émergence : donner aux agents des mécanismes de base (manger, se déplacer, et quelques connaissances) et les laisser trouver par eux-mêmes le meilleur moyen de survivre : fourmi 16/32 apparition d'une intelligence collective.

17 17/32 Mais qu'est-ce qu'est réellement l'intelligence articielle? Une dénition actuelle L'intelligence articielle a pour but de faire exécuter par un ordinateur des tâches pour lesquelles l'homme, dans un contexte donné, est aujourd'hui meilleur que la machine. Autrement dit l'ia doit permettre de programmer des ordinateurs de façon à ce qu'ils montrent des caractéristiques normalement associées à l'intelligence humaine : compréhension du langage, apprentissage, résolution de problèmes, raisonnement... correspondant à des classes de problèmes pour lesquels on pense qu'il n'existe pas d'algorithme exact : non calculable ou NP-complet

18 8/32 Plan 1 Introduction 2 Un peu d'histoire 3 Les nouveaux dés

19 19/ Les pionners l'ia comme méthode générale : mise en oeuvre des idées déjà anciennes sur les machines intelligences Alan Turing : Computing Machinery and Intelligence et Can a machine think? : tests de turing objections contre le possibilité de l'i.a - obj. théologique, - obj de l'autruche (ce serait tellement épouvantable que les machines pensent qu'il vaut mieux croire qu'elles n'en seront jamais capables), - obj. mathématique (Théorème de Godel sur l'incomplétude), - obj. de conscience, - obj du caractère non formalisable du comportement (comment énoncer les règles par exemple que j'utilise pour conduire?)... La pensée est vue comme une manipulation de représentation discrètes des connaissances (IA symbolique)

20 20/ Les pionners Séminaire de Dartmouth (1956) apparition du terme Intelligence Articielle (proposé par J. McCarthy). Premier programme de démonstration automatique de théorème Logic Theorist par Newell, Shaw et Simon LISP (1958) : LISt Processing par J. Mac Carthy Premier traducteur Anglais/Russe GPS (1959) : logiciel General Problem Solver A. Newell et H.Simon Enthousiasme exessif : dans 5 ans, nous auront un traducteur automatique, en 1968, nous auront une machine qui arrivera au niveau du champion du monde d'échecs À comparer avec des résultats décevants.

21 21/ Les pionners Néanmoins cela a permis de mettre en évidence les problèmes : un algorithme doit combiner les approches combinatoires et heuristiques : utiliser les connaissances sur le problème à résoudre il faut distinguer dans un algorithme ce qui est connaissance sur le problème de ce qui est méthode de résolution (approche déclarative) les programmes d'ia doivent incorporer des modules d'apprentissage PROLOG : par J.A.Robinson pour la résolution automatique. Perceptron : premier système connexionnisme par Rosenblatt

22 22/ La connaissance est le pouvoir Représentation des connaissances : représentation structurées : réseaux sémantiques, scripts, schémas et frames extensions de la logique : non monotones, temporelles, oues, etc. Utilisation des connaissance : systèmes experts -> premières réalisations concrètes : DENDRAL (1969) : premier système expert pour l'analyse des résultats de spectographie de masse SCHRDLU (1970) : logiciel conçu par T.Winograd. Simule la manipulation de bloc géomètrique posés sur une table MYCIN (1974) : diagnostics de maladies infectieuses MACSYGMA (1977) : calcul formel PROSPECTOR (1978) : système expert d'aide à la prospection géologique R1/XON (1980) : calcul de la conguration optimal d'un système informatique

23 23/ Méthodes générales d'apprentissage Programme japonais dit Cinquième génération faire de l'ia une discipline ecace : résultats concrets plutôt mitigés sur le plan technique Méthodes symboliques : nombreuses réalisations et nouvelles techniques (algorithme d'élimination, arbres de décisions, méthode de l'étoile,...) et nouveaux principes (espace des versions,...) Renouveau du connexionnisme et du mouvement subsymbolique (popularisation des réseaux de neurones, algorithme génétique,... Apparition de l'iad : multi-agents, vie articielle

24 24/ On ne parle plus de connaissances Nouvelles méthodes subsymboliques : réseaux de neurones, algorithmes génétiques, réseaux bayésiens, chaînes de Markov Les besoins industriels inuent sur la recherche Nouvelles méthodes d'acquisition : data mining, text mining,...

25 25/ Retour aux sciences cognitives... Objectif initial de l'ia, peut être trop ambitieux Une nouvelle approche : Informatique Avancée, s'attaque aux problèmes que l'approche algorithmique classique ne peut résoudre. Mais l'objectif initial consistant à développer des machines aussi intelligentes que l'être humain continue à perdurer. = Pour le résoudre, il est cependant nécessaire d'en savoir plus sur l'intelligence humaine. L'IA s'inscrit de plus en plus dans le cadre des sciences cognitives En 2009, le MIT a lancé le Mind Machine Project consistant à revenir 30 ans en arrière pour repenser les bases de l'ia.

26 6/32 Plan 1 Introduction 2 Un peu d'histoire 3 Les nouveaux dés

27 27/32 Les nouveaux dés Données et Connaissances Capitaliser, diuser, exploiter les connaissances : Fouille de données de nature variée ; mémoires d'entreprise, commerce électronique, réseaux sociaux : Facebook et al., communautés virtuelles Web sémantique : Compréhension partagée de l'information : Entre les personnes Entre les applications et les objets Entre tous! Projet Read the Web (Carnegie Mellon, 2010) : un programme lit indéniment les pages Web et extrait des informations couvrant toutes les connaissances humaines Ontologies et métadonnées Agents

28 28/32 Les nouveaux dés Robotique Robotique mobile : Apprentissage de comportements Fusion de données de capteurs Planication (trajectoires, missions)

29 29/32 Les nouveaux dés Robotique Robotique mobile : Challenge DARPA : course de véhicules autonomes environ 200 km en 7h Gagnant : VW Stanly

30 30/32 Les nouveaux dés Robotique Robots humanoïdes Aldebaran Robotics (société française de robotique) : - robot autonome et programmable : NAO - robot destiné à l'aide aux personnes : Romeo

31 31/32 Les nouveaux dés Robotique Robotique mobile Robots humanoïdes : Robocup, coupe du monde football pour robot une équipe de robots championne du monde de football en

32 32/32 Les nouveaux dés IA et éthique Nuisance des systèmes d'ia (cf. lois d'asimov pour les robots) Statut moral des machines Propriétés requises du fait du rôle social potentiel de systèmes d'ia : prédictabilité, transparence à l'inspection... Systèmes à intelligence surhumaine : implique des comportements suréthiques...

l Intelligence Artificielle

l Intelligence Artificielle 1 Introduction à l Intelligence Artificielle Antoine Cornuéjols antoine@lri.fr http://www.iie.cnam.fr/~cornuejols/ I.I.E. & L.R.I., Université d Orsay Intelligence Artificielle : plan 2 1-2- 3-4- 5-6-

Plus en détail

Intelligence Artificielle. Dorra BEN AYED

Intelligence Artificielle. Dorra BEN AYED Intelligence Artificielle Dorra BEN AYED Chapitre 1 Introduction et Présentation Générale Sommaire Introduction Historique Définitions de l IAl Domaines d applicationd Les approches de l IA cognitive,

Plus en détail

Une introduction à l intelligence artificielle

Une introduction à l intelligence artificielle Une introduction à l intelligence artificielle Jean-Paul Haton Institut Universitaire de France LORIA/INRIA- Université de Lorraine Séminaire Espé DANE 13 janvier 2016 1 Plan de l exposé 2 the conjecture

Plus en détail

Introduction à l Intelligence Artificielle

Introduction à l Intelligence Artificielle Introduction à l Intelligence Artificielle p. 1/41 Introduction à l Intelligence Artificielle Cyril Terrioux Laboratoire des Sciences de l Information et des Systèmes LSIS - UMR CNRS 6168 Introduction

Plus en détail

Antoine Cornuéjols. 1- Introduction à l IA. 1.1- C est quoi l intelligence? 1.2- Comment étudier l intelligence? AgroParisTech

Antoine Cornuéjols. 1- Introduction à l IA. 1.1- C est quoi l intelligence? 1.2- Comment étudier l intelligence? AgroParisTech ! 7 séances de 3h (cours + TD/TP)! Programme et références sur : http://www.agroparistech.fr/ufr-info/membres/cornuejols/teaching/agro/cours-ia/ iodaa-cours-ia.html Antoine Cornuéjols AgroParisTech! Contrôle

Plus en détail

Lambert Chazal et Xavier Dupessey

Lambert Chazal et Xavier Dupessey Lambert Chazal et Xavier Dupessey Décembre 2008 Plan Pourquoi l'intelligence Artificielle a t-elle été créée? Définition de l'ia et présentation de ses différents types Les langages de programmation utilisés

Plus en détail

GIND5439 Systèmes Intelligents. Chapitre 1: Intelligence artificielle

GIND5439 Systèmes Intelligents. Chapitre 1: Intelligence artificielle GIND5439 Systèmes Intelligents Chapitre 1: Intelligence artificielle Contenu du chapitre Approches vs Intelligence artificielle Définition de l intelligence Historique Le test de Turing 2 Approches Science

Plus en détail

L'intelligence artificielle

L'intelligence artificielle Texte de la 263 e conférence de l'université de tous les savoirs donnée le 19 septembre 2000. L'intelligence artificielle par JEAN-PAUL HATON Dès le début de l intelligence artificielle (IA) dans les années

Plus en détail

Intelligence Artificielle et Robotique

Intelligence Artificielle et Robotique Intelligence Artificielle et Robotique Introduction à l intelligence artificielle David Janiszek david.janiszek@parisdescartes.fr http://www.math-info.univ-paris5.fr/~janiszek/ PRES Sorbonne Paris Cité

Plus en détail

Pourquoi l apprentissage?

Pourquoi l apprentissage? Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage

Plus en détail

Introduction à l intelligence artificielle

Introduction à l intelligence artificielle Introduction à l intelligence artificielle Jean-Daniel Zucker@lip6.fr http://www-poleia.lip6.fr/~zucker Laboratoire LIP6 Thème APA - Equipe ACASA Cours I Page 1 Introduction à l intelligence artificielle

Plus en détail

Introduction au TALN et à l ingénierie linguistique. Isabelle Tellier ILPGA

Introduction au TALN et à l ingénierie linguistique. Isabelle Tellier ILPGA Introduction au TALN et à l ingénierie linguistique Isabelle Tellier ILPGA Plan de l exposé 1. Quelques notions de sciences du langage 2. Applications et enjeux du TAL/ingénierie linguistique 3. Les deux

Plus en détail

Table des matières I La programmation linéaire en variables continues 1 Présentation 3 1 Les bases de la programmation linéaire 5 1.1 Formulation d'un problème de programmation linéaire........... 5 1.2

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

Intelligence Artificielle Introduction

Intelligence Artificielle Introduction Intelligence Artificielle Introduction Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes

Plus en détail

CHAPITRE II: INTELLIGENCE ARTIFICIELLE

CHAPITRE II: INTELLIGENCE ARTIFICIELLE 1 CHAPITRE II: INTELLIGENCE ARTIFICIELLE Dekhicilatifa@gmail.com Plan 2 IA et ses applications Réalité virtuelle IA 3 plan 4 1. Def. 2. Applications. 3. IA faible et forte 4. Fiction 5. Méthodes et approches

Plus en détail

Évaluation et implémentation des langages

Évaluation et implémentation des langages Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation

Plus en détail

Ingénierie de Systèmes Intelligents

Ingénierie de Systèmes Intelligents Ingénierie de Systèmes Intelligents p. 1/ Ingénierie de Systèmes Intelligents Application : Web Intelligent Maria Malek EISTI Ingénierie de Systèmes Intelligents p. 2/ Objectif Traitement Intelligent des

Plus en détail

Intelligence artificielle

Intelligence artificielle Intelligence artificielle Fabien Teytaud Université du Littoral Côte d Opale 21 mars 2013 Fabien Teytaud (Université du Littoral Côte d Opale) Intelligence artificielle 21 mars 2013 1 / 14 Résumé (1/3)

Plus en détail

TPE 2010 L Intelligence Artificielle

TPE 2010 L Intelligence Artificielle LYCEE JAQUES DE VAUCANSON TPE 2010 L Intelligence Artificielle Sommaire TPE 2010 Introduction... 3 Problématique... 3 I. Qu'est ce que l'intelligence Artificielle?... 4 1) Définition... 4 2) L'Histoire

Plus en détail

Ingénierie d aide à la décision

Ingénierie d aide à la décision Ingénierie d aide à la décision Maria Malek 1 er septembre 2009 1 Objectifs et débouchés Nous proposons dans cette option deux grands axes pour l aide à la décision : 1. La recherche opérationnelle ; 2.

Plus en détail

Le problème C est le problème. Sommaire. Des problèmes Quels problèmes? 24/01/11 RÉSOUDRE UN PROBLÈME DE PHYSIQUE UN VRAI CASSE- TÊTE?

Le problème C est le problème. Sommaire. Des problèmes Quels problèmes? 24/01/11 RÉSOUDRE UN PROBLÈME DE PHYSIQUE UN VRAI CASSE- TÊTE? Le problème C est le problème 2 RÉSOUDRE UN PROBLÈME DE PHYSIQUE UN VRAI CASSE- TÊTE? «Ne me dite pas que ce problème est difficile. S il n était pas difficile, ce ne serait pas un problème!» Ferdinand

Plus en détail

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Informatique Première et seconde années

Plus en détail

Bachelier en gestion des transports et logistique d'entreprise

Bachelier en gestion des transports et logistique d'entreprise Haute École Louvain en Hainaut www.helha.be Année académique 2015-2016 Catégorie Économique Bachelier en gestion des transports et logistique d'entreprise HELHa La Louvière Rue de Belle-Vue 32 7100 LA

Plus en détail

ENSIIE - Intelligence Artificielle (RIIA) - 1er cours

ENSIIE - Intelligence Artificielle (RIIA) - 1er cours ENSIIE - Intelligence Artificielle (RIIA) - 1er cours Benjamin PIWOWARSKI 28 septembre 2015 Benjamin PIWOWARSKI IA - 1er cours 28 septembre 2015 1 / 53 Introduction Plan 1 Introduction 2 Définitions 3

Plus en détail

Diagnostic et décision

Diagnostic et décision Diagnostic et décision Bibliographie J. N. Chatain, DIagnostic par Système Expert, Traité des Nouvelles Technologies, série Diagnostic et Maintenance, édition Hermes 1993. B. Dubuisson, Diagnostic, intelligence

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Introduction au domaine Applications Frédéric Devernay Qu'est-ce que la vision? Le monde a une structure 3D et est composé d'objets L'être humain sait parfaitement décrire et interpréter

Plus en détail

1.2 Unité responsable Département d informatique, Faculté des sciences

1.2 Unité responsable Département d informatique, Faculté des sciences 1. Identification du programme 1.1 Titre du programme Maîtrise ès sciences (informatique) 1.2 Unité responsable Département d informatique, Faculté des sciences 1.3 Diplôme accordé M. Sc. (Informatique)

Plus en détail

INF-5100 L INTELLIGENCE ARTIFICIELLE GUIDE D ÉTUDE

INF-5100 L INTELLIGENCE ARTIFICIELLE GUIDE D ÉTUDE INF-5100 L INTELLIGENCE ARTIFICIELLE GUIDE D ÉTUDE SOMMAIRE SECTION 1 CONTENU Présentation du cours Objectifs Structure du contenu SECTION 2 GUIDE D ÉTUDE Démarche pédagogique Encadrement Évaluation Feuille

Plus en détail

Filière «Informatique»

Filière «Informatique» Filière «Informatique» Président: Prof. Stijn Vansummeren svsummer@ulb.ac.be Vice-président: Dimitri Van Assche dvassche@ulb.ac.be Présentation générale de la filière La filière informatique dispense une

Plus en détail

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Technologie et biologie (TB) Discipline : Informatique Première et seconde années Programme d informatique

Plus en détail

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes. Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis

Plus en détail

De l'homme-machine à la machine pensante

De l'homme-machine à la machine pensante De l'homme-machine à la machine pensante Introduction A quoi s'intéresse l'intelligence artificielle? D'une part, cette discipline cherche à créer des machines intelligentes simulant nos processus de raisonnement

Plus en détail

HEURISTIQUES D'OPTIMISATION. Evelyne LUTTON - INRA AgroParisTech - Grignon http ://evelyne-lutton.fr/

HEURISTIQUES D'OPTIMISATION. Evelyne LUTTON - INRA AgroParisTech - Grignon http ://evelyne-lutton.fr/ HEURISTIQUES D'OPTIMISATION Evelyne LUTTON - INRA AgroParisTech - Grignon http ://evelyne-lutton.fr/ D'après Patrick Siarry, LiSSi, Univ. de Paris-Est Créteil MÉTA-HEURISTIQUES Du grec : méta :au-delà,

Plus en détail

DOCUMENT D'INFORMATION

DOCUMENT D'INFORMATION DOCUMENT D'INFORMATION ÉPREUVES UNIQUES Mathématique 436 068-436 de quatrième année du secondaire Mathématique 514 068-514 de cinquième année du secondaire Juin 2003 Août 2003 Janvier 2004 Ce document

Plus en détail

Les sections 6 et 7. du ComitéNational de la RechercheScientifique

Les sections 6 et 7. du ComitéNational de la RechercheScientifique Les sections 6 et 7 du ComitéNational de la RechercheScientifique (CoNRS) Frédérique Bassino et Michèle Basseville Plan Le comité national Les missions des sections Les sections 6 et 7 Le comiténational

Plus en détail

L apprentissage automatique

L apprentissage automatique L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer

Plus en détail

Modélisation agent d une Architecture Logicielle de commande d un Véhicule Autonome

Modélisation agent d une Architecture Logicielle de commande d un Véhicule Autonome Modélisation agent d une Architecture Logicielle de commande d un Véhicule Autonome ENNAJI Mourad LASC université de Metz Ile du Saulcy B.P 80794 57 012 METZ Ennaji@lasc.sciences.univ-metz.fr Résumé Cet

Plus en détail

Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel.

Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel. Managements des risques industriels : quelques verrous scientifiques et techniques à résoudre pour le futur. Le point de vue d'un industriel. Workshop du GIS 3SGS Reims, 29 septembre 2010 Sommaire Missions

Plus en détail

GIND5439 Systèmes Intelligents. Chapitre 2: Systèmes à base de règles

GIND5439 Systèmes Intelligents. Chapitre 2: Systèmes à base de règles GIND5439 Systèmes Intelligents Chapitre 2: Systèmes à base de règles Contenu du chapitre Définition de connaissances Représentation des connaissances Les règles Chaînage avant et arrière Résolution de

Plus en détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction

Plus en détail

LICENCE (LMD) MENTION : INFORMATIQUE

LICENCE (LMD) MENTION : INFORMATIQUE LICENCE (LMD) MENTION : INFORMATIQUE RÉSUMÉ DE LA FORMATION Type de diplôme : Licence (LMD) Domaine ministériel : Sciences, Technologies, Santé Objectifs Les connaissances et compétences informatiques

Plus en détail

Les ordinateurs dispositifs électroniques fonctionnant sur la principe de création, transmission et conversion d impulses électriques

Les ordinateurs dispositifs électroniques fonctionnant sur la principe de création, transmission et conversion d impulses électriques Les ordinateurs dispositifs électroniques fonctionnant sur la principe de création, transmission et conversion d impulses électriques Les informations traitées par l ordinateur (nombres, instructions,

Plus en détail

L'INFORMATIQUE DANS LES ÉCOLES ET LES COLLÈGES

L'INFORMATIQUE DANS LES ÉCOLES ET LES COLLÈGES 17 L'INFORMATIQUE DANS LES ÉCOLES ET LES COLLÈGES Quelle est la place de l'informatique dans les trois livres de poche publiés récemment par le Ministère de l'éducation nationale et le CNDP? ÉCOLE ÉLÉMENTAIRE

Plus en détail

Cours IFT6266, Exemple d application: Data-Mining

Cours IFT6266, Exemple d application: Data-Mining Cours IFT6266, Exemple d application: Data-Mining Voici un exemple du processus d application des algorithmes d apprentissage statistique dans un contexte d affaire, qu on appelle aussi data-mining. 1.

Plus en détail

SYLLABUS SEMESTRE 9 Année 2011-2012

SYLLABUS SEMESTRE 9 Année 2011-2012 SYLLABUS SEMESTRE 9 2011-2012 Parcours S2I «Systèmes d Information et Informatique» François Brucker Tel.: 04 91 05 43 95 E-mail : francois.brucker@centrale-marseille.fr PROGRAMME Nb heures élèves (hors

Plus en détail

Les apports de l informatique. Aux autres disciplines

Les apports de l informatique. Aux autres disciplines Les apports de l informatique Aux autres disciplines Le statut de technologie ou de sous-discipline est celui de l importation l et de la vulgarisation Le statut de science à part entière est lorsqu il

Plus en détail

Analyse de données textuelles Panorama des fonctions, des méthodes et des usages

Analyse de données textuelles Panorama des fonctions, des méthodes et des usages Analyse de données textuelles Panorama des fonctions, des méthodes et des usages Sylvie Dalbin Assistance & Techniques Documentaires DocForum, Le 17 Novembre 2005 Déroulé de l'intervention (1) 1. Définition

Plus en détail

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce Heuristique et métaheuristique IFT1575 Modèles de recherche opérationnelle (RO) 8. Optimisation combinatoire et métaheuristiques Un algorithme heuristique permet d identifier au moins une solution réalisable

Plus en détail

Module INTELLIGENCE ARTIFICIELLE DEFINITION - GENERALITES - HISTORIQUE - DOMAINES

Module INTELLIGENCE ARTIFICIELLE DEFINITION - GENERALITES - HISTORIQUE - DOMAINES Université Paris 5 - Maîtrise de mathématiques - Maîtrise MASS - MST ISASH 1999/2000 Dominique Pastre Module L' DEFINITION - GENERALITES - HISTORIQUE - DOMAINES I - DEFINITION DE L' L'Intelligence Artificielle

Plus en détail

Une brève introduction aux Sciences Cognitives

Une brève introduction aux Sciences Cognitives Une brève introduction aux Sciences Cognitives Sommaire Une brève introduction aux Sciences Cognitives... 1 1. Introduction... 1 2. Objet et enjeux des Sciences Cognitives... 2 2.1. Historique... 2 2.2.

Plus en détail

TD 2 Exercice 1. Un bûcheron a 100 hectares de bois de feuillus. Couper un hectare de bois et laisser la zone se régénérer naturellement coûte 10 kf par hectares, et rapporte 50 kf. Alternativement, couper

Plus en détail

Système. Introduction aux systèmes informatiques

Système. Introduction aux systèmes informatiques Introduction aux systèmes informatiques Système Un système est une collection organisée d'objets qui interagissent pour former un tout Objets = composants du système Des interconnexions (liens) entre les

Plus en détail

Sébastien Mignot. Encadrant : Michèle Sebag Laboratoire de Recherche en Informatique Université Paris Sud

Sébastien Mignot. Encadrant : Michèle Sebag Laboratoire de Recherche en Informatique Université Paris Sud Stratégies de décision dans les arbres de recherche pour jeux basées sur des informations incomplètes Application au bridge : Apprentissage statistique des enchères et jeu de la carte optimal Sébastien

Plus en détail

La machine de Monsieur Turing

La machine de Monsieur Turing S il faut désigner une seule personne comme le père de l informatique, c est sans nul doute Alan Mathison Turing, qui, à la fois, a défini l objet d étude de l informatique le calcul, a contribué de manière

Plus en détail

SIMULATION EN ELECTRONIQUE

SIMULATION EN ELECTRONIQUE 1 sur 8 SIMULATION EN ELECTRONIQUE PLAN: OBJECTIF - PUBLIC - MATERIEL - LOGICIEL - METHODE - AVANTAGES - DIFFICULTES - AUTEUR DU DOCUMENT INTRODUCTION MANIPULATION 1 : Prise en main A) Montage inverseur

Plus en détail

LA TRADUCTION AUTOMATIQUE

LA TRADUCTION AUTOMATIQUE 165 La "Traduction Automatique" s'inscrit dans un ensemble de recherches menées depuis le début des années 1950 - recherches que l'on a coutume de regrouper sous l'appellation de "traitement automatique

Plus en détail

Commercial-e. Document pour les professeurs/es

Commercial-e. Document pour les professeurs/es Commercial-e Document pour les professeurs/es Objectif général Faire découvrir un métier en utilisant le site de l Onisep et des mises en situation validées par un professionnel. Compétences du parcours

Plus en détail

Calculabilité Cours 2 : Machines de Turing

Calculabilité Cours 2 : Machines de Turing Calculabilité Cours 2 : Machines de Turing Introduction Un autre type de modèle de calcul Les fonctions récursives et les fonctions λ représentables définissent des modèles de calculs dans k N Nk N Nous

Plus en détail

INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS

INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS established in 2006 at the University of Abomey-Calavi (Republic of Benin) UNITWIN/UNESCO

Plus en détail

Algorithmique. De la seconde à la terminale

Algorithmique. De la seconde à la terminale Algorithmique De la seconde à la terminale Le calendrier Rentrée 2009 : o En seconde : nouveau programme pour tous Rentrée 2010 : o En première : aménagements en ES et S Rentrée 2011 : o En première :

Plus en détail

Algorithmes d'apprentissage

Algorithmes d'apprentissage Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt

Plus en détail

IFT 615 Intelligence artificielle

IFT 615 Intelligence artificielle Département d informatique IFT 615 Intelligence artificielle Plan de cours Hiver 201 Professeur Auxiliaire Froduald Kabanza Courriel : kabanza@usherbrooke.ca Local : D-1022-2 Téléphone : (819) 821-8000,

Plus en détail

IODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21

IODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21 IODAA de l 1nf0rmation à la Décision par l Analyse et l Apprentissage IODAA Informations générales 2 Un monde nouveau Des données numériques partout en croissance prodigieuse Comment en extraire des connaissances

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7

Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques. Elec 2311 : S7 Les méthodes d optimisation appliquées à la conception de convertisseurs électromécaniques Elec 2311 : S7 1 Plan du cours Qu est-ce l optimisation? Comment l optimisation s intègre dans la conception?

Plus en détail

GENIE STATISTIQUE GESTION DES RISQUES ET INGENIERIE FINANCIERE MARKETING QUANTITATIF ET REVENUE MANAGEMENT

GENIE STATISTIQUE GESTION DES RISQUES ET INGENIERIE FINANCIERE MARKETING QUANTITATIF ET REVENUE MANAGEMENT Remarque : Tous les cours sont en français, sauf contre-indication. Pour des traductions anglaises des titres, des descriptifs, et plus de renseignements, consultez l intégralité du Programme des enseignements

Plus en détail

S LICENCE INFORMATIQUE Non Alt Alt S1 S2 SS3 S4 S5 S6 Parcours : IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques)

S LICENCE INFORMATIQUE Non Alt Alt S1 S2 SS3 S4 S5 S6 Parcours : IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques) NOM DE L'UE : Algorithmique Avancée S LICENCE INFORMATIQUE Non Alt Alt S1 S2 SS3 S4 S5 S6 Parcours : IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques) MASTER INFORMATIQUE Non Alt Alt Spécialité

Plus en détail

Arbres de décision. Intelligence Artificielle et Systèmes Formels Master 1 I2L

Arbres de décision. Intelligence Artificielle et Systèmes Formels Master 1 I2L Arbres de décision Intelligence Artificielle et Systèmes Formels Master 1 I2L Sébastien Verel verel@lisic.univ-littoral.fr http://www-lisic.univ-littoral.fr/ verel Université du Littoral Côte d Opale Laboratoire

Plus en détail

Rapport du comité d'experts

Rapport du comité d'experts Section des Unités de recherche Rapport du comité d'experts Unité de recherche : Laboratoire d Informatique Avancé de Saint-Denis (LIASD) EA de l'université Paris 8 février 2008 2 Section des Unités de

Plus en détail

Le programme de mathématiques Classes de première STI2D STL

Le programme de mathématiques Classes de première STI2D STL Journée de l inspection 15 avril 2011 - Lycée F. BUISSON 18 avril 2011 - Lycée J. ALGOUD 21 avril 2011 - Lycée L. ARMAND Le programme de mathématiques Classes de première STI2D STL Déroulement de la journée

Plus en détail

INGÉNIEUR DE L'ENSEEIHT SPÉCIALITÉ INFORMATIQUE ET RÉSEAUX (APPRENTISSAGE)

INGÉNIEUR DE L'ENSEEIHT SPÉCIALITÉ INFORMATIQUE ET RÉSEAUX (APPRENTISSAGE) INGÉNIEUR DE L'ENSEEIHT SPÉCIALITÉ INFORMATIQUE ET RÉSEAUX (APPRENTISSAGE) RÉSUMÉ DE LA FORMATION Type de diplôme : Formation d'ingénieur classique Domaine : Sciences, Ingénierie et Technologies Mention

Plus en détail

L'Intelligence Artificielle Mythe ou Réalité

L'Intelligence Artificielle Mythe ou Réalité Lacôte Hubert Stuber Guillaume Rapport MR00 L'Intelligence Artificielle Mythe ou Réalité 2007/2008 2 Sommaire Introduction...4 I/ Le concept de l'intelligence Artificielle...5 1. Qu'est ce que l'intelligence

Plus en détail

L intelligence artificielle vue par un philosophe

L intelligence artificielle vue par un philosophe L intelligence artificielle vue par un philosophe Denis Vernant Un rêve de philosophe Très tôt, les philosophes ont rêvé d une automatisation, d une mécanisation de la pensée et du raisonnement. Ainsi

Plus en détail

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Gilbert Saporta Chaire de Statistique Appliquée, CNAM ActuariaCnam, 31 mai 2012 1 L approche statistique

Plus en détail

MATHEMATIQUES ET SCIENCES POUR L INGENIEUR

MATHEMATIQUES ET SCIENCES POUR L INGENIEUR MASTER SCIENCES, TECHNOLOGIES, SANTE / STAPS MATHEMATIQUES ET SCIENCES POUR L INGENIEUR Spécialité Ingénierie Numérique, Signal-Image et Informatique Industrielle (INS3I) www.univ-littoral.fr OBJECTIFS

Plus en détail

Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101. Travail pratique #2

Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101. Travail pratique #2 Université Laval Faculté des sciences et de génie Département d'informatique et de génie logiciel IFT-3101 Danny Dubé Hiver 2014 Version : 11 avril Questions Travail pratique #2 Traduction orientée-syntaxe

Plus en détail

Raisonnement automatique : L approche logique. Une machine qui raisonne? 2. Ingrédients nécessaires 3. Le langage 4.

Raisonnement automatique : L approche logique. Une machine qui raisonne? 2. Ingrédients nécessaires 3. Le langage 4. : L approche logique Matthieu Amiguet 2008 2009 Une machine qui raisonne? 2 Nous avons vu jusqu à maintenant des algorithmes pour faire réfléchir une machine mais il s agissait de raisonnements dans des

Plus en détail

Introduction à l'informatique

Introduction à l'informatique Introduction à l'informatique DEUG Sciences et Technologie Première année Autour de la programmation Catherine Mongenet Pierre Gancarski (supports réalisés par Catherine Mongenet et Pascal Schreck) Rappels

Plus en détail

LICENCE (LMD) - INFORMATIQUE

LICENCE (LMD) - INFORMATIQUE LICENCE (LMD) - INFORMATIQUE RÉSUMÉ DE LA FORMATION Type de diplôme : Licence (LMD) Domaine ministériel : Sciences, Technologies, Santé OBJECTIFS Les connaissances et compétences informatiques visées par

Plus en détail

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S POUR L ENSEIGNEMENT DE L INFORMATIQUE MPSI première année I. Objectifs de la formation II-1 Développement de compétences et d aptitudes

Plus en détail

Histoire de l'intelligence Artificielle. 3- naissance de l'intelligence Artificielle

Histoire de l'intelligence Artificielle. 3- naissance de l'intelligence Artificielle Histoire de l'intelligence Artificielle 3- naissance de l'intelligence Artificielle Frédéric Fürst - www.u-picardie.fr/~furst Les années 1940 et 1950 voient l'apparition des premiers véritables ordinateurs.

Plus en détail

Programme de formation Master (M2) IAD Intelligence Artificielle et Décision

Programme de formation Master (M2) IAD Intelligence Artificielle et Décision Université Pierre et Marie Curie (Paris VI) Programme de formation Master (M2) IAD Intelligence Artificielle et Décision Objectifs de la thématique "Fouille de Données" L'explosion de l'information est

Plus en détail

LICENCE (LMD) - INFORMATIQUE

LICENCE (LMD) - INFORMATIQUE LICENCE (LMD) - INFORMATIQUE RÉSUMÉ DE LA FORMATION Type de diplôme : Licence (LMD) Domaine ministériel : Sciences, Technologies, Santé OBJECTIFS Les connaissances et compétences informatiques visées par

Plus en détail

L Intelligence Artificielle

L Intelligence Artificielle L Intelligence Artificielle pour les développeurs Concepts et implémentations en C# Virginie MATHIVET Table des matières 1 Les exemples à télécharger sont disponibles à l'adresse suivante : http://www.editions-eni.fr

Plus en détail

ENSEIGNEMENT DE METHODES DE PROGRAMMATION DANS L'INITIATION A L'INFORMATIQUE

ENSEIGNEMENT DE METHODES DE PROGRAMMATION DANS L'INITIATION A L'INFORMATIQUE 61 ENSEIGNEMENT DE METHODES DE PROGRAMMATION DANS L'INITIATION A L'INFORMATIQUE Janine ROGALSKI CNRS, PARIS V, Laboratoire PSYDEE 46, rue Saint-Jacques 75005 Paris 62 63 ENSEIGNEMENT DE METHODES DE PROGRAMMATION

Plus en détail

MASTER INFORMATIQUE - SPÉCIALITÉ : INTELLIGENCE ARTIFICIELLE

MASTER INFORMATIQUE - SPÉCIALITÉ : INTELLIGENCE ARTIFICIELLE MASTER INFORMATIQUE - SPÉCIALITÉ : INTELLIGENCE ARTIFICIELLE RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine : Sciences, Technologies, Santé Nature de la formation : Mention Niveau d'étude

Plus en détail

Systèmes Multi-Agents. Partie 1. Intelligence artificielle et intelligence collective. Les Systèmes Multi-Agents. Rémy Courdier

Systèmes Multi-Agents. Partie 1. Intelligence artificielle et intelligence collective. Les Systèmes Multi-Agents. Rémy Courdier Les Systèmes Multi-Agents Rémy Courdier Systèmes Multi-Agents Partie 1 Intelligence artificielle et intelligence collective @Web : http://lim.univ-reunion.fr/staff/courdier/ - @mail : Remy.Courdier@univ-reunion.fr

Plus en détail

EVALUER PAR COMPETENCES EN EGPA

EVALUER PAR COMPETENCES EN EGPA EVALUER PAR COMPETENCES EN EGPA 1. POUR EN FINIR AVEC LES NOTES? Les notes ne sont pas le meilleur indicateur de l atteinte d une compétence, pourtant on les utilise largement surtout dans le second degré.

Plus en détail

ESS METHODES DE TRAVAIL

ESS METHODES DE TRAVAIL MINISTERE DE LA COMMUNAUTE FRANCAISE ADMINISTRATION GENERALE DE L ENSEIGNEMENT ET DE LA RECHERCHE SCIENTIFIQUE ENSEIGNEMENT DE PROMOTION SOCIALE DE REGIME 1 DOSSIER PEDAGOGIQUE UNITE DE FORMATION ESS METHODES

Plus en détail

Programmez votre propre jeu

Programmez votre propre jeu Programmez votre propre jeu Présenté par TryEngineering Objet de la leçon Cette leçon explique comment les ingénieurs en logiciels conçoivent des jeux vidéos et autres logiciels. Les élèves travaillent

Plus en détail

Résumé des communications des Intervenants

Résumé des communications des Intervenants Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit

Plus en détail

Introduction aux décisions et processus décisionnels (1)

Introduction aux décisions et processus décisionnels (1) Introduction aux et processus décisionnels (1) 2009 Bernard ESPINASSE Professeur à l'université d'aix-marseille Plan 1. Introduction à la prise de décision 2. Typologie des dans l!entreprise 3. Rationalité

Plus en détail

Hen. L Intelligence Artificielle, mais enfin de quoi s agit-il?

Hen. L Intelligence Artificielle, mais enfin de quoi s agit-il? Hen L Intelligence Artificielle, mais enfin de quoi s agit-il? Avant-Propos Petit historique des débuts de l IA Dix grands paradigmes de recherche L Intelligence Artificielle, mais enfin de quoi s agit-il?

Plus en détail

TEXT MINING. 10.6.2003 1 von 7

TEXT MINING. 10.6.2003 1 von 7 TEXT MINING 10.6.2003 1 von 7 A LA RECHERCHE D'UNE AIGUILLE DANS UNE BOTTE DE FOIN Alors que le Data Mining recherche des modèles cachés dans de grandes quantités de données, le Text Mining se concentre

Plus en détail

Environnement Architecture de controle. Décisions

Environnement Architecture de controle. Décisions Chapitre 1 Introduction 1.1 Robot Mobile Il existe diverses définitions du terme robot, mais elles tournent en général autour de celle-ci : Un robot est une machine équipée de capacités de perception,

Plus en détail

AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES

AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 1 AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 2 Axes de recherche L activité du DIM LSC concerne la méthodologie de la conception et le développement de systèmes à forte

Plus en détail

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2) Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter

Plus en détail

Data Mining. Exposés logiciels, systèmes et réseaux. Damien Jubeau IR3 Lundi 19 novembre 2012

Data Mining. Exposés logiciels, systèmes et réseaux. Damien Jubeau IR3 Lundi 19 novembre 2012 Data Mining Exposés logiciels, systèmes et réseaux. Damien Jubeau IR3 Lundi 19 novembre 2012 2 Plan Data mining : définition, utilisations et concepts Wolfram Alpha : extraction de données d'un compte

Plus en détail

L Intelligence Artificielle

L Intelligence Artificielle Conférence L Intelligence Artificielle Taalabi M. 30/04/2004 Intelligence Artificielle 1 Historique Définition Paradigmes Systèmes experts Concevoir un système expert Système à Inférence floue Applications

Plus en détail