IFT-4102 et IFT-7025 : Approche Agent en IA

 

Notes de cours

 

 

Parties du cours

Acétates

Partie 1: Introduction

  • Qu'est-ce que l'IA?
  • Préhistoire de l'IA
  • Histoire de l'IA
  • État de l'art
    Exercices suggérés (Livre AIMA):     1.1, 1.3, 1.7, 1.14.

Introduction

Partie 2: Les agents intelligents

  • Qu'est-ce qu'un agent intelligent?
  • Comment les agents intelligents doivent agir?
  • Structure d'un agent intelligent
  • Types d'environnement

  Exercices suggérés (Livre AIMA): 2.1 à 2.6, 2.13.

Agents Intelligents

Partie 3: Recherche

  • Agent de résolution de problèmes
  • Stratégies de recherche
    • Recherche non-informée
      • Largeur d'abord, profondeur d'abord, etc.
    • Recherche informée
      • Meilleur d'abord, A*, algorithmes génétiques, etc.

  Exercices suggérés: 3.2 et 3.3, 3.6, 3.14, 3.21;  4.12.

Recherche

Partie 4: Les problèmes de satisfaction de contraintes

  • Description des CSP
  • Exploration par backtracking
  • « Forward checking »
  • Cohérence des arcs
  • Gestion de contraintes spécifiques
  • Recherche locale

  Exercices suggérés: 6,1, 6.2, 6.4, 6.7, 6,8 et 6.9 et 6.15.

 

CSP

  

Partie 5: Les systèmes logiques

  • Agents à base de connaissances
  • Logique propositionnelle
  • Règles d'inférence
  • Logique du premier ordre

  Exercices suggérés: 7.1, 7.4, 7.10,  8,19, 8.24.

Logique

(Complément)

Partie 6: La planification

  • Planification vs recherche
  • Opérateurs STRIPS
  • Planification d'ordre partiel
  • Planification dans le monde réel
  • Planification conditionnelle
  • Replanification

  Exercices suggérés:  10.1,  10.2, 10.3, 10.4,  11.1,  11.2,  11.9, 11.11.

Partie 7: L'incertain

  • Incertain
  • Probabilités
  • Inférence
  • Indépendance et règle de Bayes
  • Les réseaux Bayésiens
  • Le temps et l'incertain
  • Prise décision simple
  • Prise de décision complexe

 Exercices suggérés: 13.1, 13.3., 13.6, 13.8, 13.16, 14.1 à 14.4, 14.8a-b. 17.1, 17.4,  17.9.

 

 

 

Partie 8: L'apprentissage

  • Agents apprenants
  • Apprentissage inductif
  • Arbre de décision
  • Réseaux de neurones
  • Apprentissage par renforcement

  Exercices suggérés: 18.1 à 18.4, 18.12, 18.22, 20.1, 20.2, 20.3, 20.9.
Exercice d’application sur la problématique du Markov

Partie 9: Robotique

  • Aperçu général sur la robotique
  • Path planning

Partie 10: Systèmes multiagents

  • Introduction aux systèmes multiagents
  • Quels sont les implications d'avoir plusieurs agents?
  • Systèmes multiagents

Partie 11: IA présent et futur

  • Vers où l'IA se dirige?
  • FuturIA

  

 aquet