ELE767 Apprentissage machine en intelligence artificielle

Au terme de ce cours, l’étudiant aura été initié au domaine de l'intelligence artificielle par le biais de concepts fondamentaux en apprentissage automatique.

Réseaux neuroniques. Modélisation d'un neurone. Règles d'apprentissage. Principaux modèles de réseaux neuroniques : perceptron, rétropropagation d'erreur, modèle de Hopfield, machine de Boltzmann et modèle ART. Apprentissage profond. Réseaux de neurones convolutifs, récurrents et autoencodeurs. Machines à vecteurs de support, Approche de maximum de vraisemblance. Modèles probabilistes et stochastiques : réseaux bayésiens, modèles de Markov cachés. Raisonnement par cas. Applications à la conception et l’implantation des systèmes intelligents, à la classification, à la vision par ordinateur, à la détection de pannes, au diagnostic médical et à la thérapie.

Séances de laboratoire sur ordinateur axées sur la simulation des principaux modèles de réseaux neuroniques et sur les techniques d'apprentissage. La connaissance d’un langage de programmation est requise.

Crédits 3
Charge hebdomadaire Cours (3h), laboratoire (2h)
Cycle 1er
Préalables ELE216  
Responsable Département de génie électrique
Horaire

Session: Hiver 2019

Groupe Jour Type
01 Mercredi 13:30 Activité de cours