3.00 crédits
30.0 h
Q1
Enseignants
Jodogne Sébastien; Nijssen Siegfried;
Langue
d'enseignement
d'enseignement
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).
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
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 :
|
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. Ces présentations consisteront en des vidéos ; les autres étudiants sont censés regarder ces vidéos et poser des questions à leur sujet.
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 de la présentation de 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.
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 de la présentation de 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
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 :
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 (questions posées, commentaires complémentaires, ...)
Autres infos
Ce séminaire a pour prérequis le cours LINGI2262 (Machine Learning :classification and evaluation) ou le cours LELEC2870 (Machine learning : regression, deep networks and dimensionality reduction).
Ressources
en ligne
en ligne
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.
Recommended textbooks or scientific papers are mentioned on the Moodle site for this course.
Faculté ou entité
en charge
en charge
INFO
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] : ingénieur civil en informatique
Master [120] en sciences informatiques
Master [120] : ingénieur civil en science des données
Master [120] en science des données, orientation technologies de l'information