Artificial intelligence and machine learning seminar

lingi2369  2017-2018  Louvain-la-Neuve

Artificial intelligence and machine learning seminar
3 crédits
30.0 h + 0.0 h
Q1
Enseignants
Dupont Pierre; Nijssen Siegfried (supplée Schaus Pierre); Schaus Pierre;
Langue
d'enseignement
Anglais
Thèmes abordés
Les thématiques abordées dans ce séminaire traiteront de l'intelligence artificielle et de l'apprentissage automatique. En particulier, les articles scientifiques utilisés seront sélectionnés dans ces domaines. 
D'une part, les étudiants sont confrontés à problématique d'une bibliographie scientifique de qualité. D'autre part, les étudiants doivent lire de la littérature scientifique (p.e des articles venant de revues internationales).
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1

Eu égard au référentiel AA du programme « Master ingénieur civil en informatique », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :

  • INFO1.1-3
  • INFO3.1, INFO3.2
  • INFO5.3-4, INFO5.6
  • INFO6.1, 6.4

Eu égard au référentiel AA du programme « Master [120] en sciences informatiques », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :

  • SINF1.M4
  • SINF3.1, SINF3.2
  • SINF5.3-4, SINF5.6
  • SINF6.1, SINF6.3, SINF6.4

L¿étudiant ayant suivi avec fruit ce cours sera capable de

  • établir l¿état de l¿art par soi-même lorsqu¿il est confronté à une problématique de recherche dépassant ses connaissances actuelles en se basant sur la littérature scientifique,
  • rédiger un rapport complet reprenant une bibliographie scientifique et explicitant sa pertinence par rapport à une thématique,
  • synthétiser un article scientifique en explicitant le contexte, les enjeux, les résultats novateurs obtenus, les potentielles applications ainsi que pistes pour des travaux ultérieurs dans le domaine,
  • communiquer oralement, en utilisant des supports multimédia efficaces, les résultats d¿une recherche à un public d¿informaticiens universitaires non experts du domaine en se basant sur les travaux publiés dans une revue scientifique,
  • interagir avec une personne qui présente des résultats de recherche en faisant preuve d¿un regard critique et constructif par rapport aux travaux présentés. 
 

La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Modes d'évaluation
des acquis des étudiants
L'évaluation porte sur la qualité des présentations faites par chaque étudiant et sur la participation active de chaque étudiant à l'ensemble des séminaires.
La note globale se compose de :
  • 80 % sur la qualité de l'exposé (qualité pédagogique de l'exposé, exactitude du contenu scientifique, références, ...)
  • 20 % sur l'activité de l'étudiant lors des présentations des autres étudiants (questions posées, commentaires complémentaires, ...)
En seconde session, l'exposé oral est remplacé par un rapport écrit remis au professeur le premier jour de la session d'examen. Ce rapport compte pour 80 % de la note finale + 20 % de participation pendant l'année (fixée en première session).
Autres infos
Il est souhaitable que le séminaire recherche soit  suivi la même année que le travail de fin d'étude car il constitue une aide méthodologique à la réalisation de celui-ci.
Il n'est pas obligatoire mais néanmoins préférable d'avoir choisi l'option « correspondant » au séminaire pour pouvoir y participer.
Faculté ou entité
en charge
INFO


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] : ingénieur civil en science des données

Master [120] : ingénieur civil en informatique

Master [120] en sciences informatiques

Master [120] en science des données, orientation technologie de l'information