Cours pour 2M option IA
- Teacher: abdelmoutia telli
1. Objectifs de l’enseignement.
Les systèmes complexes possèdent leurs propres aspects du point de vue résolution. L’objectif est de fournir à l’étudiant les approches évoluées pour la modélisation des systèmes complexes.
2. Connaissances préalables recommandées Matière :
intelligence artificielle, système parallèle
3. Contenu de la matière :
Chapitre 1 Etat de l’art sur les systèmes complexes
Chapitre 2 Les approches classiques
Chapitre 3 Les algorithmes génétiques
Chapitre 4 Les réseaux de neurones
Chapitre 5 Les automates cellulaire et quantique
4. Mode d’évaluation :
Examen final 75% + 25% note TP 5.
Références
Z. Michalewics, “Genetic Algorithms + Data Structures = Evolution Programs”, Springer, 1996.
A.E Eiben, J.E Smith: “Introduction to Evolutionary Computing”, Springer, 2003.
W.M Spears: “Evolutionary Algorithms: The Role of Mutation and Recombination”,
Springer, 2004.
- Teacher: Hamida Ammar
L'internet et les réseaux de communication présentent un champ d'application très important pour l'IA. Ce cours vise à initier les étudiants aux concepts avancés relatifs aux deux volets : Internet et Réseaux. De plus, età travers les différentes activités pédagoiques correspondantes au cours TIR, nous allons toucher à chaque fois aux points de rencontre entre l'IA et les réseaux.
- Teacher: Somia SAHRAOUI
Intitulé du Master : Intelligence Artificielle
Semestre : S3
Intitulé de l’UE : Techniques de l'intelligence artificielle
Intitulé de la matière : Traitement Automatique du Langage Naturel et Reconnaissance des Formes
Crédits : 3
Coefficients : 1
Objectifs de l’enseignement.
Les travaux sur les langages naturel est un champ d’investigation très riche. L’étudiant pourra exploiter le contenu de la matière pour développer surtout des interfaces interactives des systèmes intelligents en langage naturel. Il peut aussi exploiter ce contexte pour la reconnaissance et éventuellement la synthèse de la parole.
Connaissances préalables recommandées
Matière : intelligence artificielle, logique pour l’intelligence artificielle
Contenu de la matière :
I.1. Introduction générale et Historique
I.2. Les applications du TLN et l’Interface Langage Naturel ILN
I.3. La traduction automatique des langages naturels et les ambiguïtés du langage naturel
I.4. Les étapes d’analyse du Langage naturel
I.4.1. L’analyse morphologique et lexticale
I.4.2. Le traitement syntaxique
I.4.2.1. Traitement par Grammaires hors contexte
I.4.2.2. Traitement par RTN et ATN
I.4.2.3. Traitement par grammaire logique
I.4.2.4. Traitement à base de connaissances
I.4.2.5. Traitement à base de probabilités
I.4.3. Le traitement sémantique
I.4.3.1. Les réseaux sémantiques
I.4.3.2. La théorie de Dépendance Conceptuelle DC (Roger SCHANK)
I.4.3.3. La théorie de Chave
I.4.3.4. La théorie de Minsky (Frame)
II.1. Introduction générale à la reconnaissance des formes
II.2. la reconnaissance des formes Définitions de la reconnaissance des formes
II.3. Techniques de reconnaissances des formes
II.4. Domaines d’applications
Mode d’évaluation :
75% Examen final + 25% travail personnel
- Teacher: khaled rezeg