Séminaires

TEB3008-NINN_
Domaine : Sciences Grade académique : Bachelier en informatique, orientation intelligence artificielle - Namur Niveau de certification : 6 Cycle : Premier Cycle Année académique : 2026-2027 ( Q1 )

Crédits ECTS

2

Volume horaire

24 h

Programme d'études

Programme Bloc Caractère
IE-Bachelier en informatique, orientation intelligence artificielle 3 Obligatoire

Prérequis

Aucun

Co-requis

Aucun

Implantation

Département technique de Namur

Directeur de département du domaine

Benoît Dujardin

Responsable de l'UE

Christine CHARLIER

Enseignants intervenants

  • Christine CHARLIER
Partie 1

Contribution de l'UE au profil d'enseignement du programme et acquis d'apprentissage spécifiques (AAS) sanctionnés par l'évaluation

Contextualisation

À définir

Acquis d'apprentissage spécifiques (AAS)

Au terme de l'apprentissage, l'étudiant sera capable de :

	- analyser les enjeux éthiques, les biais et limites des systèmes d’intelligence artificielle dans un contexte sociétal
	- développer une pensée critique face aux discours technologiques et aux promesses de l'IA 
	- expliquer le fonctionnement des IA génératives et des modèles de langage (LLM)
	- synthétiser le contenu des conférences.
	- utiliser GIT pour versionner du code.
	- comprendre les concepts liés au DevOps.

Contribution aux ODD

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.

Partie 2

Description de l'unité d'enseignement

Objectifs

À définir

Contenu

Séminaire Partie 1 : 

- Limites, éthique, biais et espoirs de l'IA
- IA génératives
- Si temps, conférences 

Séminaire Git :

- Versioning du code, présentation de Git et des commandes communes
- Concepts DevOps et l’inclusion des différents outils abordés dans ce processus

Séminaire Prolog :
- Introduction
- Bases : faits, règles, interrogation, SWI Prolog
- Fonctionnement : moteur d'inférence, unification, backtracking
- Récursivité et listes

Sources et références

À définir

Supports de cours (avec mention des supports indispensables)

Activité d'apprentissage Support
AINN3008 — Séminaires

Les supports power point utilisés pour les cours et les supports que les intervenants extérieurs partageront.

Partie 3

Méthodologie mise en œuvre et éventuel découpage de l'UE

Description des activités d'apprentissage (AA) au regard de leur statut

Activité d'apprentissage Heures Langue d'enseignement Langue d'évaluation
AINN3008 — Séminaires 24 h Français Français

Méthodes d'enseignement et d'apprentissage

Activité d'apprentissage Méthodes d'enseignement et d'apprentissage
AINN3008 — Séminaires

Cette UE est divisée en deux parties :

Partie 1 :

  • intervenants extérieurs (ateliers) - participation au DevDay

  • cours ex cathédra pour partie

Partie 2 :

  • cours ex cathedra avec exercices supervisés

Détermination de la cohérence pédagogique en cas de regroupement d'activités d'apprentissage faisant l'objet d'une évaluation distincte

À définir

Partie 4

Évaluation de l'unité d'enseignement

Structure du dispositif général d'évaluation (en lien avec le programme d'études)

À définir

Méthodologie de construction de la note finale de l'UE

À définir

La pondération de l'évaluation de l'UE à des fins de délibération lors du calcul de la moyenne

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

Modalités d'évaluation par activité d'apprentissage

Activité d'apprentissage Modalités d'évaluation
AINN3008 — Séminaires

Partie 1 :

  • la participation aux différentes activités (ateliers et dev day) ainsi que travail sur l'éthique en IA : 75%

Partie 2 :

  • examen écrit : 25%

Modalités concrètes d'évaluation

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.

UI: 0e65b5f2 | API: 1ec9dd56