Code
MUFF INF 3005
Niveau
L3
Discipline
Informatique
Langue
French
Crédits ECTS
3
Heures programmées
18
Charge totale étudiant
60
Coordonnateur(s)
Département
- Technologies, Information et Management
Equipe pédagogique
Introduction au module
Introduction au domaine de l'intelligence artificielle.
présentation des principaux modèle d'apprentissage : machine learning et deep learning
étude et mise en œuvre l'IA générative.études de cas.
Bloc de compétences
- 1. S’approprier les usages avancés et spécialisés des outils de l’intelligence digitale en s’assurant de leur impact durable et responsable
Compétences du bloc
- 1.1 - Auditer les usages avancés et spécialisés des outils de l'intelligence digitale, afin de les mobiliser avec pertinence, en tenant compte du contexte stratégique des organisations.
Objectifs d'apprentissage du cours
A L ISSUE DE CE COURS, LES ETUDIANTS SERONT CAPABLES DE :
*(verbe d'action taxonomie de Bloom)
Contenu : structure du module et agenda
9 séances de 2 heures
Contribution à l'atteinte des ODD (Objets du Développement Durable)
12 : l'impact énergétique de l'IA pour l'entrainement mais surtout pour l'inférence qui est la plus grosse consommatrice d'énergie.
Apprentissage
synchrone
Méthode pédagogique
Cours magistraux pour la partie théoriques et travaux dirigés et pratiques pour la mise en œuvre.
Système de notation et modalités de rattrapage
LES EVALUATIONS DOIVENT ETRE EN LIEN AVEC LES OBJECTIFS D APPRENTISSAGE DU COURS.
notation 1 note individuelle → 100% DE LA NOTE GLOBALE ,+. INDIQUER QUEL TYPE D EXAMEN FERONT LES ETUDIANTS
rattrapage : 1 note individuelle → 100% DE LA NOTE ? ET INDIQUER QUEL TYPE D EXAMEN FERONT LES ETUDIANTS
Règlement du module
Règlement de la scolarité
Références obligatoires et lectures suggérées
’intelligence artificielle pour les débutants » – Josée J. « L’intelligence artificielle expliquée – Des concepts de base aux applications avancées » « IA pour tous » – Asterios Raptis
Mots-clés
machine learing , deep learning , reinforcement learning , LLM