Module Sheet

FISE

MRI

Maîtrise des Risques Industriels

Unité d'Enseignement :

Semestre : 9
Crédits ECTS : 10

Vision et mécatronique

Code UE : MO_RSI1

Elément Constitutif :

Coefficient : 1

Diagnostic et retour d'expérience

Code EC :

Option Risques et Systèmes Industriels

L'UE Vision et mécatronique : 5

Automatique avancée
Diagnostic et retour d'expérience
Ingénierie dirigée par les modèles
Robotique avancée
Vision par ordinateur

Volume horaire : 19:30

Type	Nombre	Durée
Cours	1	10:30
TD	3	03:00

Evaluations : 1

Type	Coefficient
Examen Final	1

Enseignants : 2

Enseignant	Type
Idasiak Vincent	Responsable
Kratz Frederic	Responsable

Learning Objectives :

L'objectif de cette formation est de présenter les bases de l’IA ainsi que certaines de ses applications représentatives. Plus particulièrement, l'objectif est de donner les concepts, les outils et l'intuition nécessaire pour mettre en œuvre des programmes capables d'apprendre à partir de données.

Additional Prerequisites :

Program :

IA ?
Deep learning
Apprentissage automatique ?

les problèmes qu'il tente de résoudre,
les principales catégories et les concepts fondamentaux

Apprentissage d'un réseau neuronal multicouche
Réseau Neuronal et Classification
Manipulation, nettoyage et préparation des données
Réduction de la dimension : introduction à l'ACP
Étude de cas

Evaluation Methods :

Calculatrice, documents de cours et TDs autorisés.

Bibliographic References :

Russell & Norvig, AI: A Modern Approach, Prentice Hall (2002)
Kevin P. Murphy - Machine Learning: A Probabilistic Perspective-The MIT Press (2012)
Phil Kim - MatLab Deep Learning with Machine Learning, Neural Networks and Artificial Intelligence-Apress (2017)

Compétences :

Ref.	Verbe	Description	Niveau
C1_1	argumenter	Comprendre ce qu’est l’intelligence artificielle	4
C3_2	résoudre	Proposer une méthode de résolution	4
C3_2	analyser	Juger la pertinence des résultats obtenus	4