Le domaine de l'Apprentissage Artificiel «AA » regroupe des techniques permettent à un système (programme) de s'adapter et donner des réponses pertinentes, à partir de l'exploration de son environnement ou de l'extraction d'informations d'exemples. On tente dans cette matière de donner un aperçu sur les concepts d’AA, et de présenter les techniques principales d'apprentissage: Supervisé, non Supervisé et par renforcement. Des exemples de techniques d’apprentissages sont également étudiés. Il est recommandé d’ef fectuer des travaux pratiques sur quelques unes de ces techniques.

PRE-REQUIS PEDAGOGIQUES  

1. Introduction et concepts de base  

• Apprentissage naturel et apprentissage automatique    
• Concepts de base :   Notions clés   
• Apprentissage par induction   
• Notion d’espace d’hypothèses   
• Exploration de l’espace d’hypothèses 

2. Méthodes d’évaluation  

• Notion de risque empirique   
• Estimation du risque   
• Méthodes d’évaluation : Hold out, validation croisée, Bootstrap  

3. Types d’apprentissage  

• Apprentissage supervisé   
• Apprentissage non supervisé   
• Apprentissage par renforcement    
• Détection des nouveautés   
• Apprentissage Online 

4.  Méthodes d’apprentissage  

• Méthodes d’évolution simulée   
• Méthodes des réseaux connexionnistes     
• Méthodes de séparation linéaire    
• Modèles de Markov cachés