ARTIFICIAL INTELLIGENCE FOR AUTOMATION

• Introduction à l’intelligence artificielle, présentation de quelques approches historiques (systèmes experts,
• Rappel sur les méthodes d’optimisation à base de gradient
• Modèle du neurone artificiel
• Perceptron
• Apprentissage des poids d’un réseau de neurones. Généralisation & sur-apprentissage, régularisation.
• De la classification à la régression
• Réseaux feedforward, récurrents, LSTM
• Structure et apprentissage des poids d’un réseau profond
• Apprentissage non supervisé & renforcement.

Les TD se feront sur machines et incluront l’apprentissage des commandes liées aux réseaux de neurones avec Matlab.

Les TP permettront de résoudre des problèmes pratiques :

• Détection automatique de panneaux
• Commande d’un véhicule autonome

Au terme de cette UE, les élèves seront capables de :

• Configurer et utiliser un réseau de neurones pour réaliser des tâches de classification ou de régression en utilisant l’apprentissage profond (deep learning)
• Utiliser réseau de neurones pour modéliser et/ou commander un système en utilisant des techniques d’apprentissage supervisé ou non supervisé