Crédits ECTS
4
Volume horaire
48 h
Programme d'études
| Programme | Bloc | Caractère |
|---|---|---|
| IE-Bachelier en informatique, orientation intelligence artificielle | 3 | Obligatoire |
Prérequis
Co-requis
Implantation
Département technique de Namur
Directeur de département du domaine
Benoît Dujardin
Responsable de l'UE
Nathan Uyttendaele
Enseignants intervenants
- Participer à l’analyse, la conception, la programmation, le test et la maintenance d’applications informatiques en s’inscrivant dans une démarche de formation permanente, notamment en exploitant toute source documentaire y compris en anglais (AAT8)
- Concevoir, gérer (administrer) et utiliser des bases de données à des fins opérationnelles et décisionnelles (AAT9)
- Rédiger des rapports documentés sur les applications qu’il crée et présente oralement ses démarches informatiques, et ce, éventuellement en anglais (AAT11)
- Exploiter des données en provenance du système d’informations de l’entreprise, des réseaux sociaux, des objets connectés ou toute autre source de données via des technologies issues de la data intelligence en vue d'aider l’entreprise à la décision (AAT12)
- Adapter des applications existantes ou créer de nouvelles applications basées sur des algorithmes d'intelligence artificielle qui s’intègrent dans la structure en place dans l’entreprise (AAT13)
- Utiliser et adapter des algorithmes d'intelligence artificielle en vue de répondre à un besoin spécifique, et présenter les résultats obtenus sous une forme adéquate de visualisation (AAT14)
L'étudiant sera capable, dans une situation proposée par l'enseignant, de choisir et de mettre en ouvre un réseau de neurones répondant à la situation.Document annexe à la fiche UE accessible via un lien explicitant en quoi le programme d’études s’inscrit dans une politique de développement durable. Une ou plusieurs UE spécifique(s) pourraient être ciblée(s) dans cette annexe.
À définir
1. Mathématiques des réseaux de neurones
2. L'environnement Google Colab + la manipulation de tenseurs
3. La classification binaire (notamment sentiment analysis)
4. La classification multiclass
5. Les réseaux de neurones convolutifs
6. Le NPL
7. Le deeplearning génératif (si le temps le permet)Deep Learning with Python, 2ème édition, par François Chollet| Activité d'apprentissage | Support |
|---|---|
| AINN3006 — Deep Learning | L'ouvrage de référence est disponible gratuitement en ligne. DEEP LEARNING with Python, 3ème edition, par François Chollet. Du matériel pédagogique supplémentaire sera disponible sur la page Moodle du cours. |
| Activité d'apprentissage | Heures | Langue d'enseignement | Langue d'évaluation |
|---|---|---|---|
| AINN3006 — Deep Learning | 48 h | Français | Bien que l'ouvrage de référence soit en Anglais, tous les autres aspects du cours seront en Français. |
| Activité d'apprentissage | Méthodes d'enseignement et d'apprentissage |
|---|---|
| AINN3006 — Deep Learning | Projection de l'ouvrage de référence. Exercices variés basés sur ce dernier, directement sur les ordinateurs de l'école ou l'ordinateur personnel de l'étudiant. Une participation active des étudiants et étudiantes sera attendue et stimulée. |
À définir
À définir
Pour la détermination du degré de maîtrise, il sera tenu compte :
- du niveau de cohérence : la capacité à établir une majorité de liens logiques pour former un ensemble organisé,
- du niveau de précision : la clarté, la concision, la rigueur au niveau de la terminologie, des concepts et des techniques/principes/modèles,
- du niveau d’intégration : la capacité à s’approprier des notions, concepts, techniques et démarches en les intégrant dans son analyse, son argumentation, sa pratique ou la recherche de solutions,
- du niveau d’autonomie : la capacité à faire preuve d’initiatives démontrant une réflexion personnelle basée sur une exploitation des ressources et des idées en interdépendance avec son environnement.Au sein du programme d'études, lors du calcul de la moyenne, la pondération de l'évaluation de l'unité d'enseignement est effectuée sur base des crédits affectés à cette unité d'enseignement et évalués
| Activité d'apprentissage | Modalités d'évaluation |
|---|---|
| AINN3006 — Deep Learning | À l'issue du cours, un examen sur ordinateur à résoudre avec usage de Google Colab sera organisé en première et seconde session. |
Une mention sur la fiche informera les étudiants du fait que les précisions sur les épreuves seront disponibles sur Moodle au plus tard 6 semaines avant l'évaluation.