Les étudiants ayant suivi l'option "Artificial Intelligence" devront être capables de:
• Identifier et mettre en oeuvre une classe de méthodes et de techniques permettant à un logiciel de résoudre des problèmes complexes qui, résolus par un être humain, nécessitent de l'"intelligence",
• Comprendre et appliquer à bon escient des méthodes et techniques relevant de l'intelligence artificielle telles que raisonnement automatisé, recherche et heuristiques, acquisition et représentation de connaissances, apprentissage automatique, problèmes de satisfaction de contraintes,
• Identifier des classes d'applications où ces méthodes et outils peuvent être appliqués; appréhender des classes particulières d'applications et leurs techniques spécifiques - par exemple, robotique, vision par ordinateur, planification, fouille de données, traitement de la langue naturelle et de données bioinformatiques,
• Formaliser et structurer des corps de connaissances complexes en utilisant une approche systématique et rigoureuse pour développer des systèmes "intelligents" de qualité.
• Identifier et mettre en oeuvre une classe de méthodes et de techniques permettant à un logiciel de résoudre des problèmes complexes qui, résolus par un être humain, nécessitent de l'"intelligence",
• Comprendre et appliquer à bon escient des méthodes et techniques relevant de l'intelligence artificielle telles que raisonnement automatisé, recherche et heuristiques, acquisition et représentation de connaissances, apprentissage automatique, problèmes de satisfaction de contraintes,
• Identifier des classes d'applications où ces méthodes et outils peuvent être appliqués; appréhender des classes particulières d'applications et leurs techniques spécifiques - par exemple, robotique, vision par ordinateur, planification, fouille de données, traitement de la langue naturelle et de données bioinformatiques,
• Formaliser et structurer des corps de connaissances complexes en utilisant une approche systématique et rigoureuse pour développer des systèmes "intelligents" de qualité.
> Légende ![]() |
||||||||
Rem: l'étudiant sélectionne |
||||||||
De 20 à 30 crédits parmi | ||||||||
Année | ||||||||
1 | 2 | |||||||
![]() |
||||||||
![]() |
Machine Learning : classification and evaluation | Pierre Dupont | 30h+30h | 5 crédits | 2q | x | x | |
![]() |
Computational Linguistics | Pierre Dupont, Cédrick Fairon | 30h+15h | 5 crédits | 1q | x | x | |
![]() |
Advanced Algorithms for Optimization | Pierre Schaus | 30h+15h | 5 crédits | 1q | x | x | |
![]() |
Constraint programming | Yves Deville | 30h+15h | 5 crédits | 2q | x | x | |
![]() l'étudiant peut sélectionner 10 crédits parmi |
||||||||
![]() |
Data mining and decision making | Marco Saerens | 30h+30h | 5 crédits | 2q | x | x | |
![]() |
Image processing and computer vision | Christophe De Vleeschouwer (coord.), Laurent Jacques (supplée Christophe De Vleeschouwer), Benoît Macq | 30h+30h | 5 crédits | 1q | x | x | |
![]() |
Bioinformatics | Pierre Dupont, Michel Ghislain | 30h+30h | 5 crédits | 2q | x | x | |
![]() |
Modèles et méthodes d'optimisation I | Vincent Blondel, François Glineur (supplée Vincent Blondel), François Glineur (coord.) | 30h+22.5h | 5 crédits | 2q | x | x | |
![]() |
Mathématiques discrètes I : Théorie et algorithmique des graphes | Vincent Blondel, Jean-Charles Delvenne (supplée Vincent Blondel) | 30h+22.5h | 5 crédits | 1q | x | x | |
![]() |
Discrete mathematics II : Algorithms and complexity | Vincent Blondel, Jean-Charles Delvenne (supplée Vincent Blondel) | 30h+22.5h | 5 crédits | 2q | x | x | |
![]() |
Plans expérimentaux | Patrick Bogaert, Bernadette Govaerts | 22.5h+7.5h | 5 crédits | 2q | x | x | |
![]() |
Machine Learning : regression, dimensionality reduction and data visualization | John Lee (supplée Michel Verleysen), Michel Verleysen | 30h+30h | 5 crédits | 1q | x | x | |
![]() |
Combinatorial optimization | Jean-Charles Delvenne | 30h+22.5h | 5 crédits | 1q | x | x | |
![]() |
Automated reasoning | N. | 30h+15h | 5 crédits |
1q
![]() |
x | x |