Objectifs
Au terme de ce cours, l’étudiant.e connaitra les principaux modèles pour la représentation de connaissances et saura sélectionner un modèle pour un problème donné. Il/elle saura appliquer des techniques de raisonnement pertinentes pour générer de nouvelles connaissances et résoudre des problèmes décisionnels.
Contenu
Concepts fondamentaux : données, informations, connaissances et raisonnement. Ontologies et modes de représentation des connaissances (ex. : enregistrements, représentations logiques ou par règles, réseaux sémantiques). Acquisition des connaissances. Raisonnements déductifs et inductifs. Raisonnement à base de la logique : logique des propositions, logique des prédicats, règles d’inférence, etc. Raisonnement probabiliste : chaines de Markov, réseaux bayésiens. Problèmes de satisfaction de contraintes (CSP). Introduction à la planification. Introduction à la théorie de la décision et à l’apprentissage par renforcement. Initiation au raisonnement dans un contexte multi-agents. Domaines d’application : biomédecine, robotique, etc. Ce cours comporte des séances obligatoires de travaux dirigés (TD).