Descriptif
Cours en anglais
Le module SD206 s'inscrit dans la filière Science des Données (SD). Cette filière débouche naturellement sur le master Data & Knowledge de l'Université Paris-Saclay.
L'avenir de l'Intelligence Artificielle se situe au-delà de l'exploitation massive des données. L'IA du futur demande la maîtrise des structures et des représentations symboliques. Le module SD206 (Logique et représentation des connaissances) propose une introduction à l'IA symbolique. Il introduit une technique : la programmation en Prolog, et plusieurs concepts fondamentaux de l'IA, relatifs à la résolution de problèmes, à la logique formelle, à l'apprentissage automatique, à la représentation des connaissances, au traitement du langage naturel et à la complexité.
Prolog est un langage unique. Il s'agit dun langage déclaratif. Prolog permet de penser les problèmes en termes de contraintes plutôt qu'en termes de procédure. Idéalement, le programmeur se contente de donner des connaissances à la machine, et celle-ci fait le reste. Prolog repose sur plusieurs notions fondamentales de la science informatique, comme la récursivité, la déclarativité, lunification et le retour-arrière (backtracking). Prolog a été imaginé pour attaquer les problèmes de lIntelligence Artificielle symbolique : gestion des connaissances, traitement du langage naturel, raisonnement. Ses principes de fonctionnement sont réutilisés dans les ontologies, dans les grammaires d'unification et dans les systèmes de planification par contraintes.
Les thèmes de ce cours se rapportent à la partie symbolique de l'intelligence artificielle. Les modèles symboliques sont caractérisés par l'emploi de structures et ils reposent sur l'utilisation de la Logique. Les thèmes abordés seront pris dans la liste suivante :
- Le langage Prolog (Récursivité, backtracking, unification)
- Logique formelle (propositions et prédicats, démonstration, preuves par réfutation)
- Traitement du langage naturel (DCG, parsage par unification)
- Apprentissage (induction symbolique, minimum de complexité)
- Représentation des connaissances (logiques de description, ontologies, Web sémantique)
- Résolution de problèmes
Le module SD206 s'inscrit dans la filière Science des Données (SD). Cette filière débouche naturellement sur le master Data & Knowledge de l'Université Paris-Saclay.
L'avenir de l'Intelligence Artificielle se situe au-delà de l'exploitation massive des données. L'IA du futur demande la maîtrise des structures et des représentations symboliques. Le module SD206 (Logique et représentation des connaissances) propose une introduction à l'IA symbolique. Il introduit une technique : la programmation en Prolog, et plusieurs concepts fondamentaux de l'IA, relatifs à la résolution de problèmes, à la logique formelle, à l'apprentissage automatique, à la représentation des connaissances, au traitement du langage naturel et à la complexité.
Prolog est un langage unique. Il s'agit dun langage déclaratif. Prolog permet de penser les problèmes en termes de contraintes plutôt qu'en termes de procédure. Idéalement, le programmeur se contente de donner des connaissances à la machine, et celle-ci fait le reste. Prolog repose sur plusieurs notions fondamentales de la science informatique, comme la récursivité, la déclarativité, lunification et le retour-arrière (backtracking). Prolog a été imaginé pour attaquer les problèmes de lIntelligence Artificielle symbolique : gestion des connaissances, traitement du langage naturel, raisonnement. Ses principes de fonctionnement sont réutilisés dans les ontologies, dans les grammaires d'unification et dans les systèmes de planification par contraintes.
Les thèmes de ce cours se rapportent à la partie symbolique de l'intelligence artificielle. Les modèles symboliques sont caractérisés par l'emploi de structures et ils reposent sur l'utilisation de la Logique. Les thèmes abordés seront pris dans la liste suivante :
- Le langage Prolog (Récursivité, backtracking, unification)
- Logique formelle (propositions et prédicats, démonstration, preuves par réfutation)
- Traitement du langage naturel (DCG, parsage par unification)
- Apprentissage (induction symbolique, minimum de complexité)
- Représentation des connaissances (logiques de description, ontologies, Web sémantique)
- Résolution de problèmes
24 heures en présentiel (16 blocs ou créneaux)
réparties en:
- Contrôle de connaissance : 1.5
- Travaux Pratiques : 10.5
- Leçon : 12
effectifs minimal / maximal:
10/Diplôme(s) concerné(s)
- Echange international non diplomant
- Programme de mobilité des établissements français partenaires
- Diplôme d'ingénieur
- Data & Artificial Intelligence
- Interaction, Graphic & Design
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Programme de mobilité des établissements français partenaires
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
Pour les étudiants du diplôme Interaction, Graphic & Design
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
Pour les étudiants du diplôme Diplôme d'ingénieur
Vos modalités d'acquisition :
Evaluation des réponses aux TPs.Contrôle de connaissances (petits exercices).
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
- Crédit d'UE électives acquis : 2.5
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Data & Artificial Intelligence
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Echange international non diplomant
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Programme détaillé