Intelligence artificielle et théorie des jeux

Syllabus

Introduire les techniques algorithmiques utilisées en IA pour attaquer des problèmes complexes.

Sommaire

1. Agents réactifs.
   • Agents simples sans états.
   • Agents avec les états.
2. Algorithmes de recherche.
   • Recherche non informée : recherche en largeur, recherche utilisant une fonction de coût, recherche en profondeur.
   • Les stratégies de la recherche informée (heuristiques) : best-first search, algorithme glouton, l'algorithme $\mathrm{A}^*$.
   • Heuristiques consistantes et admissibles, une méthode de construction d'une heuristique admissible en supprimant des contraintes sur le problème.
3. Algorithmes de recherche.
   • Heuristiques admissibles. Optimalité de $\mathrm{A}^*$.
   • Recherche locale. Random restart steepest descent. Recuit simulé. Recherche locale à faisceau.
   • Algorithmes génétiques.
   • Recherche online. L'algorithm $\mathrm{LRTA}^*$.
4. Elagage alph-beta de l'arbre de jeu.
5. Jeux combinatoires
6. Jeux en forme extensif, équilibre de Nash.
7. Apprentissage supervisé, généralités.
8. Arbres de décision.
9. Rappel sur les probabilités espérance conditionnelle, variables aléatoires, la formule de Bayes.
   • Théorie de la décision bayesienne.
10. Les réseaux bayesiens.
11. Les réseaux bayesiens. Calcul de probabilité par élimination de variables.
12. Les réseaux des neurones artificiels.

Bibliographie

• Russell, S. J., & Norvig, P. (2016). Artificial intelligence: a modern approach. Pearson Education Limited,.
• Alpaydin, E. (2009). Introduction to machine learning. MIT press.

• inscriptions
• calendrier
• accès
• Questions fréquentes