HELMo
Inscription

UE2 Initiation à l'intelligence artificielle

En pratique

  • Cette unité d'enseignement (UE) articule 1 activité d'apprentissage :
    • Initiation à l'intelligence artificielle
  • En 2024-2025, elle s'organise au premier quadrimestre et couvre 3 crédits (ECTS).
  • L'enseignement est principalement centralisé dans le campus : Département Informatique
  • Cette UE est remédiable d'une session à l'autre
  • Modalités d'enseignement
    • Auditoire
    • Travaux pratiques dans un local équipé spécifiquement
    • en autonomie

Activité d’apprentissage

Les finalités de l'UE

L'objectif est de cette unité d'enseignement est de permettre à l'étudiant d'appréhender l'évolution historique et les enjeux de l'intelligence artificielle, son impact sur le développement économique et l'évolution des métiers. Ils exploreront les applications concrètes de l'IA dans divers secteurs de service et de production.

D'autre part ils comprendront les principes fondamentaux d'algorithmes tels que les arbres de décision, le Data Mining et l'Apprentissage automatique (Machine learning).

Enfin, les étudiants développeront une approche critique vis-à-vis des implications éthiques et sociétales de l'IA, en évaluant ses impacts potentiels sur les individus et la société, tout en intégrant des principes de transparence et de responsabilité.

Les contenus de l'UE

Le cours aborde de manière explicative et de manière pratique les éléments suivants :

  • Historique de l'intelligence artificielle : Vue d'ensemble des étapes clés de l'évolution de l'IA.

  • IA et développement économique : Étude de l'impact de l'IA sur la croissance économique et les transformations industrielles. Applications concrètes : Présentation d'exemples réels d'IA par des intervenants invités.

  • Ateliers pratiques : Expériences hands-on pour permettre aux étudiants de mettre en œuvre des outils d'IA.

  • Principes et applications des algorithmes : Arbres de décision, Régression, Réseaux de Neurones, Data Mining, Apprentissage automatique (Machine Learning), Apprentissage en profondeur (Deep Learning)
  • Enjeux et défis de l'IA : Analyse des implications, y compris l'explicabilité, l'éthique, la responsabilité et la protection des données privées.

Les acquis d'apprentissage visés par l'UE

À l'issue de ce cours, les étudiants seront en mesure de :

  1. Comprendre le contexte historique et les enjeux de l'IA :
  • Expliquer l'évolution de l'intelligence artificielle et son impact sur le développement économique et les métiers.
  • Identifier les défis actuels de l'IA, notamment en matière d'explicabilité et d'éthique.
  • Explorer les métiers et les applications de l'IA :
    • Reconnaître les applications réelles de l'IA dans les entreprises de service et dans l'industrie.
    • Décrire les différentes professions liées à l'IA et leur évolution face aux avancées technologiques.
  • Découvrir les principes généraux de quelques algorithmes d'IA :
    • Expliquer simplement des concepts d'Arbre de décision, de classification et de régression, le  Data Mining, de Réseaux de neurones, d'apprentissage automatique (Machine Learning) et d'apprentissage en profondeur (Deep Learning).
  • Développer une approche critique et éthique de l'IA :
    • Analyser les enjeux éthiques liés à la contribution de l'IA dans la prise de décisions critiques, l'exploitation des données privées et à la responsabilité dans l'usage des systèmes d'IA.
    • Évaluer l'impact des solutions d'IA sur la société et les individus, tout en prenant en compte des principes de transparence et d'explicabilité ainsi que le respect des législations existantes.

     

    Ce cours vise à offrir aux étudiants une compréhension intégrée de l'intelligence artificielle, alliant théorie et pratique, tout en les préparant aux défis futurs de ce domaine en constante évolution.

    Les méthodes d'enseignement-apprentissage

    Le cours combine diverses méthodes pédagogiques, transmissives et participatives. Les séances de théorie alternent avec les travaux pratiques et le travail à domicile. Le cours se compose des éléments suivants :

    • Exposés relatifs au contexte historique et son évolution
    • Présentation et exercices en classe relatifs aux méthodes et algorithmes tels que les arbres de décision, réseaux de neurones, etc.
    • Présentations par les étudiants d'évènements ou de personalités relatives au développement de l'IA, d'applications de l'IA et des outils utilisés, de sujets d'éthique, d'enjeu environnemental et social, prise en compte des régulations spécifiques à l'IA...
    • Témoignages de professionnels sur des applications pratiques de l'IA dans divers domaines
    • Travail de documentation et expérimentation à domicile

    Engagement attendu de la part de l'étudiant.e

    Dans cette UE, une participation active aux cours est recommandée. Les étudiant.es sont encouragé.es à poser des questions durant les séances de cours et découvrir des cas réels d'application par eux-mêmes, à domicile et lors des laboratoires.

    Les concepts abordés sont de complexité moyenne mais assez abstraits. Il est recommandé de faire tous les exercices proposés et de comparer ses solutions avec celles présentées et de les discuter durant les labos et cours.

    Projet individuel

    Cette épreuve présente des modalités spécifiques aux 2e et 3e sessions. Elle est organisée durant la session. Il s'agit d'une présentation. Cette épreuve est individuelle. Concrètement, l'épreuve repose sur une formulation écrite, une formulation orale. L'épreuve repose sur des réponses longues. Elle se déroule avec un support (à projeter). La correction de cette épreuve est assurée par validation d'un.e enseignant.e.

    Projet de groupe

    Cette épreuve présente des modalités spécifiques à la 1re session. Elle est organisée durant la session. Il s'agit d'une présentation. Cette épreuve est individuelle et en équipe. Concrètement, l'épreuve repose sur une formulation écrite, une formulation orale. L'épreuve repose sur des réponses longues. Elle se déroule avec un support (à projeter). La correction de cette épreuve est assurée par validation par l’enseignant et par autoévaluation.

    Règles de l’UE

    Comment la note globale de l’UE est-elle déterminée ?

    Explication de la pondération des différentes épreuves

    Premiere session :

    • Présentation au cours (15% de la cote finale)
    • Exercices en classe, à rendre comme devoir
      (15% de la cote finale)
    • Projet de groupe (40% de la cote finale)
    • Présentation orale du projet et réponses aux questions (30% de la cote finale)

    Sessions suivantes :

    •  Projet individuel : rapport (40 %), présentation orale (30%) et réponses aux questions (30%)

    Quelles sont les informations administratives de cette UE ?