Description du cours : Éléments d’intelligence artificielle appliquée
Ce cours a pour objectif d’initier les étudiants aux fondements théoriques et pratiques de l’intelligence artificielle (IA) appliquée aux sciences de l’ingénieur. Il propose une introduction progressive aux concepts clés de l’IA moderne, en mettant l’accent sur les méthodes de l’apprentissage automatique (Machine Learning) et de l’apprentissage profond (Deep Learning), ainsi que sur leurs domaines d’application.
Le cours aborde les bases mathématiques indispensables (algèbre linéaire, probabilités et statistiques) nécessaires à la compréhension des algorithmes d’IA, puis explore les principaux algorithmes de classification, de régression et de clustering, avec une mise en œuvre pratique à l’aide du langage Python et de bibliothèques spécialisées telles que NumPy, Pandas, Scikit-learn, Matplotlib, TensorFlow et PyTorch.
Une attention particulière est portée à la chaîne complète de développement d’un modèle d’IA, incluant le prétraitement des données, l’entraînement, l’évaluation des performances et la visualisation des résultats. Le cours sensibilise également les étudiants aux enjeux éthiques liés à l’utilisation de l’intelligence artificielle et aux bonnes pratiques associées.
Les travaux pratiques et le mini-projet final permettent aux étudiants de mettre en application les connaissances acquises à travers des cas concrets (reconnaissance de caractères, analyse de sentiments, détection d’anomalies, chatbot, etc.), favorisant ainsi l’autonomie, l’esprit critique et la capacité à résoudre des problèmes réels à l’aide des techniques de l’IA.
