Programmé en UVF1B404
Présentation :
This course will be taught in both French or English. A french description is given here, but the objectives are translated in english. Don't hesitate to contact the responsible for more information.
Cette UV a pour objectif d'offrir aux étudiants la possibilité de se former au domaine de l'Intelligence Artificelle (IA), et de mettre en pratique des approches d'IA sur des cibles matérielles telles que les GPU et les FPGA.
Il s'agit donc de comprendre les enjeux et problèmes de l'I.A moderne, d'apprendre les méthodes usuelles pour y répondre, de les mettre en œuvre dans un contexte applicatif, de s'intéresser aux ouvertures possibles vers les domaines scientifiques connexes (traitement du signal, machine learning, neurosciences, éthique...), et de se questionner sur les impacts de la discipline sur la société et l'Homme. Ce projet de cours repose sur un principe mélangeant cours inversés, projets courts en équipe, aspects ludiques, exposés et travaux pratiques.
Cette UV est découpée en trois modules.
Module 1 - Introduction à l'IA (basé sur ELU 616)
Module 2 - Introducution au Deep Learning
Module 3 - Introduction aux implantations matérielles d'algorithmes IA et Deep Learning sur GPU et FPGA
Objectifs pédagogiques :
- Garantir l'acquisition des fondamentaux en I.A
- Être capable de mettre en place une solution algorithmique à un problème d'IA, de puis le chargement des données jusqu'à l'extraction des connaissances
- Être capable de tenir une conversation avec un expert du domaine
- Faire prendre conscience aux étudiants des difficultés inhérentes aux domaines d'application (grande dimension, variabilité des signaux, peu d'exemples..)
- Développer l'autonomie des étudiants
- Développer la motivation des étudiants
- Maitriser les bases de l'accélération d'algorithmes d'IA sur des cibles GPU ou FPGA
- Développer l'esprit critique des étudiants vis-à-vis de l'I.A et de ses conséquences sur la société
Volume horaire :
63h
Contenu détaillé :
Cette UV est découpée en trois modules.
Module 1 - Introduction à l'IA (basé sur ELU 616)
Module 2 - Introducution au Deep Learning
Module 3 - Introduction aux implantations matérielles d'algorithmes IA et Deep Learning sur GPU et FPGA
Description détaillée des modules
Module 1 - basé sur ELU 616
séance 1 : Introduction, historique de l'IA, défis classiques, liens avec d'autres disciplines - TP1 : prise en main de SKLearn et de MNIST
Distribution des projets
Séance 2 : Évaluation -Clustering et clustering hiérarchique
TP2 : Application à MNIST de k-Means et de hierarchical clustering
Séance 3 : Évaluation - Apprentissage supervisé - Exposé des étudiants - distribution des projets
Séance 4 : Évaluation - Apprentissage des séquences - exposé des étudiants - distribution des projets
Séance 5 : Évaluation - Apprentissage par renforcement - exposé des étudiants - commencement du projet final
Séance 6 : Évaluation - Ethique - travail sur projet final
Séance 7 : Évaluation - exposés finaux
Module 2 - A venir
Module 3 - A venir
Année 2019/2020
Dernière mise à jour le 11-JAN-19
Validation par le responsable de programme le
|