Click to enter this course
Ce cours introduit les principaux paradigmes des langages de programmation (impératif, orienté objet, fonctionnel, logique et déclaratif) en mettant l’accent sur leurs caractéristiques, concepts fondamentaux et langages représentatifs tels que Python, Java, Haskell, Prolog et SQL. Il vise à développer une compréhension comparative de ces approches, à analyser leurs avantages et limites, et à les appliquer à des cas concrets, notamment en recherche d’information. Le cours encourage également l’évaluation expérimentale de différentes architectures ainsi que l’apprentissage autonome de nouveaux paradigmes et langages.
• Objectifs : • Ce cours introduit les briques de base de l’IA et met l’accent sur la représentation des connaissances et la résolution de problèmes à base de recherche arborescente heuristique.
• Il est conçu pour un public de Master de recherche et intègre une dimension scientifique moderne. L’objectif est de permettre aux étudiants de comprendre les fondements classiques de l’IA symbolique, tout en les situant dans les évolutions contemporaines (neuro-symbolic AI, IA générative, hybridation).
• Plan du cours 1. Introduction et paradigmes de l’IA Définition, historique, paradigmes (symbolique, connexionniste, probabiliste). Lecture : A View of Artificial Intelligence (Russell & Norvig). Activité : débat et cartographie conceptuelle. 2. Représentation des connaissances I : logiques et structures symboliques Logique propositionnelle et du premier ordre, frames, réseaux sémantiques, ontologies. Lecture : Brachman & Levesque, Knowledge Representation. Pratique : mini moteur d’inférence (Prolog ou Python). 3. Représentation des connaissances II : systèmes experts Architecture, moteurs d’inférence, exemples (MYCIN, CLIPS). Étude critique : évolution vers l’IA explicable. Pratique : petit système expert de diagnostic en Python. 4. Résolution de problèmes et recherche arborescente Espace d’états, stratégies générales, complexité. Lecture : State Space Search in AI Planning. Pratique : simulation d’un problème classique (puzzle 8). 5. Recherche aveugle DFS, BFS, coût uniforme, comparaison de performances. Discussion : explosion combinatoire. Pratique : implémentation Python (labyrinthe/puzzle). 6. Recherche heuristique et extensions modernes Heuristiques, A*, AO*, IDA*, heuristiques apprises. Lecture : Heuristic Search and Domain-Independent Planning. Extension : heuristiques apprises et neuro-symbolic AI. Pratique : implémentation et comparaison heuristique. 7. Synthèse, perspectives et recherche actuelle Comparaison paradigmes symboliques/connexionnistes. Thématiques actuelles : raisonnement dans les LLMs, IA explicable, hybridation. Projet final : mini-expérimentation ou revue d’article.
Le module « Techniques de communication (I) » constitue un élément clé pour former des chercheurs et des professionnels capables de communiquer efficacement. Il vise à doter les apprenants de techniques avancées d’expression orale, adaptées aux exigences académiques et professionnelles du domaine audiovisuel et multimédia.
Au cours de ce module, les apprenants exploreront à la fois les aspects théoriques et pratiques de la communication verbale en mettant l’accent sur la structuration du discours, la maîtrise du langage et l’adaptation aux différents contextes de présentation.
Understand the concept of virtualization and its various types (server, storage, network, application).
Install and configure a hypervisor .
Deploy and manage virtual machines (VMs) .
Identify and differentiate cloud service models: IaaS, PaaS, SaaS .
Work with public cloud platforms such as AWS, Azure, or GCP .
Evaluate security, cost, and governance issues related to cloud computing.
Design a basic cloud architecture for a real-world scenario.