Réflexion initiale

1. Réflexion initiale#

L’intelligence artificielle est une véritable révolution technologique. Elle suscite de nombreuses inquiétudes et nourrit bien des fantasmes.

Mais comment est-elle née ? Et comment a-t-elle réussi à s’imposer ? Écoutez le podcast de Cédric Villani sur France Culture {cite:p}villani2024.

_images/IAquestion.png

Fig. 1.1 (C) France Culture 2019: l’intelligence artificielle en question#

Paradoxe de Moravec (Roboticien) :

Ce paradoxe met en évidence une idée souvent erronée selon laquelle ce sont les problèmes logiques en intelligence artificielle qui sont les plus difficiles à résoudre, tandis que les activités simples du quotidien (comme la reconnaissance faciale ou la coordination œil-main) seraient les plus faciles et pourraient être aisément mises en œuvre.

En réalité, cela signifie que les activités quotidiennes telles que la perception de la parole, la reconnaissance faciale ou les actions motrices sont bien plus difficiles à implémenter dans les machines artificielles que de programmer une machine pour jouer aux échecs ou exécuter toute autre tâche nécessitant logique et calcul.

2. Introduction#

L’objectif de ce cours est d’apprendre à utiliser une approche d’apprentissage automatique (machine learning) appliquée au traitement de problèmes mécaniques.

La perspective adoptée consiste à présenter l’approche de l’apprentissage automatique du point de vue des méthodes numériques appliquées, plutôt que du point de vue statistique, qui est principalement utilisé par les data scientists.

Ce livre numérique est divisé en deux parties :

2.1. Partie 1 : Cours#

2.1.1. Introduction à l’apprentissage automatique#

  • Introduction à l’intelligence artificielle

  • Introduction au machine learning

2.1.2. Bases mathématiques des algorithmes d’IA#

  • Méthodes de minimisation pour le machine learning

    • Minimisation pour l’apprentissage automatique Notes de cours pour les étudiants

2.1.3. Aperçu des algorithmes de machine learning#

  • Algorithmes d’IA pour la régression supervisée

    • Principaux algorithmes d’IA

    • Notes de cours pour les étudiants

2.1.4. Utilisation des bibliothèques d’IA#

  • Méthodologie et utilisation des bibliothèques d’IA

2.1.5. Traitement des données temporelles#

  • Réseaux de neurones récurrents : RNN et LSTM

    • Séries temporelles

    • Notes de cours pour les étudiants

2.1.6. Outils informatiques pour l’IA/ML#

Le logiciel est la clé de l’IA, mais la connaissance du matériel sous-jacent est essentielle pour exécuter le logiciel efficacement

  • Multithreading

  • Utilisation du GPU

2.2. Partie 2 : Travaux pratiques#

  • Travaux pratiques : introduction

  • Travaux pratiques : prédiction des propriétés mécaniques

  • Travaux pratiques : apprentissage automatique pour la propagation des chocs

  • Travaux pratiques : prédiction du mouvement du double pendule

  • Travaux pratiques : prévision météorologique

Contenu