Artificial intelligence and machine learning seminar

lingi2369  2019-2020  Louvain-la-Neuve

Artificial intelligence and machine learning seminar
Note du 29 juin 2020
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.
3 crédits
30.0 h
Q1
Enseignants
Dupont Pierre; Nijssen Siegfried;
Langue
d'enseignement
Anglais
Préalables
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 de choisir le séminaire  « correspondant » à l'option choisie par l'étudiant(e).
Avoir suivi le cours LINGI2261 est un plus
 
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) ».
Contenu
Ce séminaire s'intéresse à des avancées récentes en intelligence artificielle et apprentissage automatique.
Méthodes d'enseignement
Après une introduction générale par l'enseignant, le séminaire consiste principalement en des présentations effectuées par les étudiants.
Des étapes intermédiaires sont prévues avant les présentations finales (par défaut, par groupes de plusieurs étudiants), qui incluent la soumission de rapport(s) intermédiaire(s) ainsi que la soumission préalable à l'enseignant des supports qui seront présentés par chaque groupe.
Un feedback par l'enseignant est prévu sur ces étapes intermédiaires, soit par un échange direct avec chaque groupe, soit via le site Moodle du cours. 
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).
Ressources
en ligne
https://moodleucl.uclouvain.be/course/view.php?id=4863
Bibliographie
Des ouvrages ou articles recommandés sont mentionnés sur le site Moodle du cours.
Recommended textbooks or scientific papers are mentioned on the Moodle site for this course.
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
DATE2M
3
Master [120] : ingénieur civil en informatique
INFO2M
3
Master [120] en sciences informatiques
SINF2M
3
Master [120] en science des données, orientation technologies de l'information
DATI2M
3