| Libellé du cours : | Artificial intelligence |
|---|---|
| Département d'enseignement : | CMA / Chimie et Matière |
| Responsable d'enseignement : | Monsieur JEAN-MARC FOUCAUT / Monsieur JORAN ROLLAND |
| Langue d'enseignement : | |
| Ects potentiels : | 2 |
| Grille des résultats : | Grade de A+ à R |
| Code et libellé (hp) : | MR_TUR_CMA_AIN - Artificial intelligence |
Equipe pédagogique
Enseignants : Monsieur JEAN-MARC FOUCAUT / Monsieur JORAN ROLLAND
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires
Résumé
Machine Learning and artificial intelligence are being more and more used in many areas of science and technology and have of course received some attention from the fluid mechanics and turbulence community. A fluid dynamicist should therefore have a clear idea of what these tools are, whether they should be used for his/her purpose and how can they be used. He should of course also know that machine learning does not necessarily equates to neural networks. This course will therefore be a short introduction to machine learning and its use in turbulence. The central principles of machine learning will be reminded and the main methods will be introduced. Recent applications to turbulence will be presented. Finally, some practices using pythons will be proposed
Objectifs pédagogiques
At the end of the course the student should be able to - Know the main principles of machine learning and data based methods. - Know the main types of machine learning (supervised/unsupervised/reinforcement learning etc.) and the main types of algorithms (nearest neighbours, parametric models, neural networks etc.) - Know some of the recent applications of machine learning in turbulence - Use a machine learning library on python to perform fundamental tasks
Objectifs de développement durable
Modalités de contrôle de connaissance
Contrôle Terminal
Commentaires:
Ressources en ligne
Lecture notes and transparencies Text of practices
Pédagogie
Lectures, computer practices
Séquencement / modalités d'apprentissage
| Nombre d'heures en CM (Cours Magistraux) : | 20 |
|---|---|
| Nombre d'heures en TD (Travaux Dirigés) : | 0 |
| Nombre d'heures en TP (Travaux Pratiques) : | 0 |
| Nombre d'heures en Séminaire : | 0 |
| Nombre d'heures en Demi-séminaire : | 0 |
| Nombre d'heures élèves en TEA (Travail En Autonomie) : | 0 |
| Nombre d'heures élèves en TNE (Travail Non Encadré) : | 0 |
| Nombre d'heures en CB (Contrôle Bloqué) : | 0 |
| Nombre d'heures élèves en PER (Travail PERsonnel) : | 0 |
| Nombre d'heures en Heures Projets : | 0 |
Pré-requis
Numerical analysis course, mathematics course, programming course, fluid mechanics course, turbulence course