Modèles de Mémoire et Apprentissage dans
les Systèmes Naturels et Artificiels (18 heures,
3 ECTS, Premier Semestre)
L'objet de ce cours est de
présenter deux points de vues de
l’apprentissage, (i) vis-à-vis
de la modélisation en
psychologie cognitive et (ii)
vis-à-vis de la modélisation en
apprentissage automatique.
|
Mémoire humaine
& Artificielle :
Cette
partie du
cours présentera
comment la
mémorisation
distribuée
instanciées par
certains réseaux
de neurones
artificiels
permet de
proposer de
nouvelles pistes
pour modéliser
la mémoire
humaine.
|
|
Apprentissage
automatique :
Cette
partie du
cours présentera
les connexions
entre
l’apprentissage
automatique la
statistique, la
logique et
l’intelligence
artificielle.
Outre les
fondements du
domaine et la
mise en avant du
compromis
intelligibilité/efficacité,
quelques
algorithmes
d'apprentissage
symboliques
seront présentés
dans ce cours en
relation avec
les
environnement de
développement
classiques : R,
Weka, Orange …
|
Documents de cours
Stéphane Rousset
(2022-2023) :
Cours Total,
(articles très optionnels
Art1,
Art2,Art3,Art4,)
Laurent
Torlay :
cours1,
cours 2 &
cours 3
Mots
clefs : mémoire localisée - mémoire distribuée, Notion de généralisation, Connexion entre Intelligence Artificielle et Apprentissage Automatique, Fondement de l’apprentissage automatique, Apprentissage supervisé , Apprentissage non supervisé.
:
|
Compétences
acquises :
Savoir évaluer une modélisation au regard des données expérimentales et neuropsychologiques,
Savoir mettre en œuvre et optimiser un apprentissage
automatique |
| Enseignants
(Coordonnées, Site Web)
Laurent Torlay
(CR CNRS LIG)
Stéphane Rousset
(MCF UGA) |