Description
Méthodes probabilistes d'intelligence artificielle. Modèles probabilistes : réseaux bayésiens, modèles de Markov cachés, champs aléatoires de Markov et leurs généralisations. Inférence. Théorie de la décision statistique et des réseaux de décision. Algorithmes d'apprentissage automatique, classificateurs simples, complexes et structurés. L'apprentissage profond « deep learning ». Traitement probabiliste de la langue naturelle et de la perception visuelle. Applications à la conception et l'implantation des systèmes experts, au forage de données, à la recherche d'informations et à la vision par ordinateur.