UE Informatique et Aléatoire

Diplômes intégrant cet élément pédagogique :

Descriptif

Le terme « intelligence artificielle » est devenu à la mode et regroupe de nombreuses notions. Parmi elle se trouve l’apprentissage statistique, qui utilise des modèles probabilistes pour prendre des décisions.

Le but de ce cours d’ouverture est d’aborder des notions théoriques importantes qui servent dans ce contexte et de montrer en quoi l’aléatoire intervient dans l’informatique moderne. Nous travaillerons sur différents exemples et projets (classification, optimisation stochastique, heuristiques pour des jeux de plateau) qui permettront d’aborder les notions de probabilité bayésienne et d’inférence, des bornes de type Markov ou Chebychev, des chaines de Markov, des processus de décision markovien et des bases de l’apprentissage par renforcement.

Pré-requis

Connaissances basiques de probabilité (variable aléatoire, espérance, variance, théorème central limite). Connaissance d’un langage de programmation.

Compétences visées

Comprendre l’inférence bayésienne et savoir l’appliquer à des problèmes de classification. Pouvoir utiliser un langage de haut niveau (type python ou R) pour simuler et étudier des variables aléatoires. Comprendre la notion de chaine de Markov et son utilisation dans des problèmes d’optimisation. Aborder l’optimisation stochastique et l’apprentissage par renforcement.

Informations complémentaires

Méthode d'enseignement : En présence
Lieu(x) : Grenoble - Domaine universitaire, Valence - Briffaut
Langue(s) : Francais