Artificial Intelligence and Machine Learning
Par: Dr. Amira Henaien
Maître Assistant Contractuel, ISIMA,
Mahdia, Tunisie.
De quoi on parle aujourd’hui?
Présentation générale Introduction générale
• C’est quoi ce cours? • C’est quoi AI, ML et DL?
• Comment se déroulera? • Pourquoi cette bombe?
• Qu’est-ce que je vais apprendre? • Quels sont leurs domaines d'application?
• Qu’est-ce quoi je dois savoir à l’avance? • Science-fiction ou histoire réelle?
• En quoi je vais utiliser ce que j’ai appris? • C’est quoi les différences majeures entre AI,ML
• Qu’est-ce que je dois faire pour valider ce et DL ?
module? • C’est quoi la relation avec Data Science?
• Où je trouve les notes de cours? • Quelles sont les défis majeures?
• C’est qui l’enseignant?
• Comment je contacte mon enseignant?
Présentation Générale
Diverses Informations
Nom: Artificiel Intelligence and Cible: étudiants en 3ème année
Machine Learning Licence : Computer Engineering
Code: ECUEF511 LCE-IRS et LCE-SE
Semestre: 5
Unité: IA & Réseaux
Industriels Prérequis:
Coefficient dans Unité: 1.5 - mathématiques appliquée et
Coefficient de l’unité: 2.5 graphes
Régime: mixte - algorithmique
- programmation
Déroulement et règles d’évaluation
cours TP
• 1.5 heure par semaine • 3h15 heures par semaine
• Mini projets portant sur la réalisation des
algorithmes d’apprentissage automatique.
• Note finale=
note de suivi + note de rapport + note de
présentation finale
Totale
• 70% examen finale + 30% (DS + TP)
• Non confirmé
Très bientôt sur le site de l’ISIMA
The speaker
• Amira Henaien
• Docteur de l’Université de Lorraine
• Maître Assistant en Informatique (+6 ans
d’expérience en enseignement)
• Centre d’intérêts en recherche et
développement: Novelle technologies
comme IoT, ML, IoT, blockchain et
l’application de ces technologies pour le bien
de l’être humain: healthcare, médecine,
éducation, etc
Objectifs
• Acquérir des notions
fondamentales sur
l’intelligence artificielle et
ses principaux algorithmes
• Introduire l’apprentissage
automatique
Intérêts de module
• 126 billion US dollars est le marché de
logiciels (AI) en 2025 selon statistica².
• AI et ML sont devenus un atout pour tout
étudiant en science informatique
• Préparer son PFE
• Préparer son vie professionnel et sa carrière
2. [Link]
Résultats d’apprentissage
1. avoir une bonne connaissance des principales méthodes utilisées en apprentissage
automatique (ML) et en intelligence artificielle (IA)
2. avoir une connaissance de l'évolution historique du domaine et des défis en faisant des
systèmes intelligents plus généraux
3. être capable de considérer les avantages et les inconvénients lors du choix des méthodes
ML / AI pour différentes applications et problèmes
4. être capable de concevoir et de mener des expériences en utilisant les méthodes, en
mettant l'accent sur l'évaluation et la comparaison
5. être capable de mettre en œuvre des algorithmes pour des méthodes sélectionnées et de
les combiner dans des systèmes hybrides
6. acquérir de l'expérience avec différentes façons d'utiliser un ensemble de données pour la
formation et les tests
7. avoir une connaissance des questions philosophiques et éthiques de base liées au
développement et à l'application du ML/AI
Contenu
I. AI II. ML
1. Intro ML
1. Intro AI 2. Apprentissage supervise vs
2. Résolution d’un problème apprentissage non supervise
par recherche 3. Régression et classification avec
3. Systèmes experts des modèles linéaires
4. Les réseaux de neurones
5. Implémentation des réseaux de
neurones avec TensorFlow
(Python)
6. Construction d’un modèle
multicouche pour une application
multimédia avec TensorFlow
Introduction Générale
Intelligence Artificiel
Une définition en évolution continue
penser comme les humains Penser d’une façon rationnelle
(Thinking like humans) (Thinking rationally)
Le nouvel effort passionnant pour faire réfléchir les L'étude des facultés mentales à travers l'utilisation des
ordinateurs (Houaeland, 1985) modèles informatiques (Charnick et McDermott, 1985)
L'automatisation des activités que nous associons à la L'étude des calculs qui permettent de percevoir la raison et
pensée humaine, des activités telles que la prise de décision, d'agir (Winston, 1992)
la résolution de problèmes, l'apprentissage, …
(Beliman,1978)
Agir comme les humains Agir d’une façon rationnelle
(Acting like humans) (Acting rationally)
L'art de créer des machines qui exécutent des fonctions qui L'intelligence computationnelle est l'étude de la conception
nécessitent de l'intelligence lorsqu'elles sont exécutées par d'agents intelligents (Poole, et al. 1998)
des personnes.(Kurzweil,1990)
L'étude de la façon de faire en sorte que les ordinateurs L'IA… s'intéresse au comportement intelligent des artefacts
fassent des choses pour lesquelles les gens sont (Nilsson, 1998)
actuellement meilleurs (Rich et Knight, 1991)
Artificial Intelligence. A Modern Approach. (Third Edition), Stuart Russel and Peter Norvig
Intérêts de l’intelligence artificielle
permettre aux ordinateurs:
de penser et de se comporter comme des humains,
mais à des vitesses beaucoup plus rapides et avec
beaucoup plus de puissance de traitement que le cerveau
humain ne peut produire
W. Ertel, Introduction to Artificial Intelligence,
Undergraduate Topics in Computer Science,
DOI 10.1007/978-0-85729-299-5_6, ©
Springer-Verlag London Limited 201
Intelligence Artificiel vs Apprentissage automatique
(Artificial Intelligence vs Machine Learning)
Intelligence Artificiel, Apprentissage
automatique et Apprentissage Approfondi
Relation avec Data Science
Data Science?
1. Data science (DS) est un domaine d’étude multidisciplinaire qui a
pour but de résoudre le défis de Big data
2. Les principes de la science des données s’appliquent à toutes les Big
and Small Data
3. L’intérêt pour la science des données
a. Résoudre des problèmes et répondre à des questions à l’aide de
données
b. Objectif d’améliorer les résultats futurs
Relation avec Data Science
Domaine d’application AI,ML,DL
Exemple d’applications
Healthcare – fournir une médecine personnalisée
Fournir aux patients des rappels sur le moment de prendre leurs médicaments
des suggérer aux patients les exercices spécifiques qu’ils devraient effectuer
…
Vente au détail
gestion des stocks, concevoir des agencements de magasins plus efficaces et
fournir des recommandations d’achat personnalisées via les suggestions
« Vous pouvez également aimer » d’Amazon, ainsi que des suggestions de
visionnage personnalisées via l’algorithme de recommandation basé sur
l’apprentissage automatique de Netflix
Exemple d’applications
Fabrication
prévoir la charge et la demande des usines, aider à prendre de meilleures décisions
concernant la logistique et la planification de la commande des matériaux, les calendriers
d’achèvement du projet, …
Services bancaires
examiner les transactions financières afin de détecter les activités frauduleuses,
évaluer les cotes de crédit avec une plus grande précision et d’automatiser les tâches
nécessitant une saisie manuelle des données et une gestion des données.
Sciences de la vie
tester de nouveaux médicaments, découvrir de nouvelles thérapies et médicaments
pharmaceutiques plus efficaces
Défit majeur de AI, ML et DL
“I’m increasingly inclined to think that there
should be some regulatory oversight, maybe at
the national and international level, just to make
sure that we don’t do something very foolish. I
mean with artificial intelligence we’re
summoning the demon.” — Elon Musk warned at
MIT’s AeroAstro Centennial Symposium
« Je suis de plus en plus enclin à penser qu’il devrait y avoir une certaine surveillance réglementaire, peut-être au niveau national et
international, juste pour s’assurer que nous ne faisons pas quelque chose de très stupide. Je veux dire qu’avec l’intelligence artificielle,
nous invoquons le démon. » Elon Musk a averti lors du symposium du centenaire AeroAstro du MIT
