| Libellé du cours : | Intelligence collaborative |
|---|---|
| Département d'enseignement : | MIN / Mathématiques - Informatique |
| Responsable d'enseignement : | Monsieur SLIM HAMMADI |
| Langue d'enseignement : | Français |
| Ects potentiels : | 4 |
| Grille des résultats : | Grade de A+ à R |
| Code et libellé (hp) : | G1G2_ED_MIN_ICO - Intelligence collaborative |
Equipe pédagogique
Enseignants : Monsieur SLIM HAMMADI / Madame HAYFA ZGAYA-BIAU / Madame Sarah BEN OTHMAN / Monsieur PASCAL YIM
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires
Résumé
Cet électif a pour but de montrer aux élèves l’intérêt théorique et pratique de l’alliance entre l’Optimisation, les Systèmes Multi-Agent (SMA) et l’intelligence Artificielle (IA) pour résoudre des problèmes complexes. En effet, l’adoption du paradigme multi-agent pour la conception des algorithmes d’optimisation et en particulier les métaheuristiques repose sur l’aspect autonome des agents qui agissent de manière collective en vue d’atteindre des buts, ce qui est assimilable à des processus de recherche s’exécutant en parallèle et en interaction les uns avec les autres. Les élèves vont implémenter, d’une part une architecture multi-agent en intégrant des algorithmes d’optimisation dans les comportements des agents, et d’autre part, des protocoles d’interactions (collaboration, négociation, concurrences…) entre les différents agents afin d’atteindre les objectifs du système. Cette architecture sera testée sur un exemple industriel dans le domaine de transport ou gestion de production ou gestion des entrepôts Dans un second temps, les technologies de deep learning seront présentées, avec une approche pratique axée sur des exemples. On montrera comment prédire des maladies ou reconnaître des images en temps réel, et des expérimentations seront proposées sur des exemples réels.
Objectifs pédagogiques
À l’issue du cours, l’élève sera capable de : - Concevoir et développer des heuristiques et métaheuristiques pour la résolution d’un problème d’optimisation combinatoire - Analyser et comparer l’efficacité de ces méthodes - Concevoir une architecture multi-agent pour résoudre des problèmes complexes - Implémenter les métaheuristiques dans les comportements des agents - Créer et implémenter des protocoles d’interaction - Résoudre des problèmes d’apprentissage supervisé avec le deep learning Contribution du cours au référentiel de compétences ; à l’issue du cours, l’étudiant aura progressé dans : - Méthodes avancées d’optimisation - Conception des systèmes à base d’agents - Deep Learning - Intelligence artificielle
Objectifs de développement durable
Modalités de contrôle de connaissance
Contrôle Continu
Commentaires: Mini-projet, un rapport et une soutenance pour présenter le travail accompli devant un jury.
Ressources en ligne
Polycopiés et énoncés de travaux pratiques.
Pédagogie
Séances encadrées par groupe de TD et dans une salle informatique avec vidéoprojecteur pour la présentation du cours, de démonstration de solution et d’exemples de réalisation. Les algorithmes d’optimisation sont à développer sur ordinateur, ainsi que le système multi-agent (Eclipse, Java et Jade). L’enseignant vérifie la complexité des algorithmes et leur intégration dans les comportements des agents et s’assure des bonnes pratiques de réalisation de l’architecture multi-agent/Optimisation. Une séance encadrée peut contenir un QCM en ligne portant sur la séance en cours ou sur le travail effectué en autonomie.
Séquencement / modalités d'apprentissage
| Nombre d'heures en CM (Cours Magistraux) : | 0 |
|---|---|
| Nombre d'heures en TD (Travaux Dirigés) : | 0 |
| Nombre d'heures en TP (Travaux Pratiques) : | 0 |
| Nombre d'heures en Séminaire : | 48 |
| Nombre d'heures en Demi-séminaire : | 0 |
| Nombre d'heures élèves en TEA (Travail En Autonomie) : | 12 |
| 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
Notions de base de la complexité algorithmique, et programmation orientée objet en java (vues en AAP).
Nombre maximum d'inscrits
64