Programme des cours 2023-2024
AUDV3921-1  
Introduction à l'intelligence artificielle, Introduction à l'intelligence artificielle
Durée :
24h Th
Nombre de crédits :
Bachelier en audiologie4
Nom du professeur :
Kevin EL HADDAD
Coordinateur(s) :
Kevin EL HADDAD
Langue(s) de l'unité d'enseignement :
Langue française
Organisation et évaluation :
Enseignement au deuxième quadrimestre
Unités d'enseignement prérequises et corequises :
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement :
Cette UE a pour but d'éclaircir l'IA en expliquant les méthodes et procédés qui la définissent, et en exposant l'impact de celle-ci sur nos sociétés. Pour ce faire, les points suivants y seront traités.

Définition de l'IA:

  • Définition générale de l'IA 
  • Systèmes à règles (rule-based systems) 
  • Systèmes d'apprentissage automatique (machine learning)
  • Apprentissage supervisé, non-supervisé et par renforcement
  • Systèmes d'apprentissage profond (deep learning)
L'IA dans l'industrie (en particulier l'audiologie):

  • Processus de création et d'utilisation des systèmes d'IA
  • Efficacité et limites de ces systèmes
  • Etude de cas concrets
Impacts (positifs et négatifs) de l'IA sur la société:

  • Concept de l'industrie 4.0 et la place de l'IA dans celle-ci
  • Points d'impacts positifs et vision à long terme
  • Risques et challenges
L'éthique dans l'IA:

  • Droit d'accès aux données personnelles
  • Prise de décisions par des machines
  • Régulations de l'IA
L'objectif de ce cours n'est pas de rentrer dans les détails techniques, mais de donner une vue d'ensemble afin de fournir les outils nécessaires à une meilleure compréhension de l'IA dans le monde actuel (avec une attention particulière aux applications d'audiologie) et de ses enjeux futurs. 

L'UE contribue principalement aux Acquis d'apprentissage(s) terminaux suivant visé(s) par la formation:

  • Témoigner de curiosité intellectuelle et communiquer avec le monde professionnel.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement :
Au terme des activités de cette unité d'enseignement:

  • l'étudiant sait définir les concepts importants constituants l'IA,
  • l'étudiant est capable d'identifier les étapes de base de création et d'utilisation de l'IA,
  • l'étudiant est capable d'estimer les ressources nécessaires à un système basé sur de l'IA,
  • l'étudiant reconnait les potentiels et limitations des systèmes liés à l'IA,
  • L'étudiant sait discerner les risques des bénéfices qu'apporterait l'IA à notre société actuelle,
  • l'étudiant est capable de faire des recherches sur des sujets qui touchent à l'IA de manière à pouvoir rester à jour avec les avancées.
Savoirs et compétences prérequis :
Activités d'apprentissage prévues et méthodes d'enseignement :
  • Exposé interactif: l'exposé magistral est accompagné de séances de discussions, de capsules vidéo d'illustration, et d'interventions d'experts dans des domaines différents de l'IA ou l'utilisant comme outil.
  • Lecture d'articles ou d'extraits d'ouvrages de référence dont certains écrits en anglais.
  • Capsules vidéo à visionner pour préparer ou remplacer un cours dont certains en anglais.
  • Projets de recherche qui aura pour but de pousser plus loin les connaissances acquises par l'étudiant en se basant sur les concepts appris lors du cours.
Mode d'enseignement (présentiel, à distance, hybride) :
Présentiel, distanciel et travail en autonomie. 
Lectures recommandées ou obligatoires et notes de cours :
Des notes de cours ainsi que d'autres ressources seront mises à disposition des étudiantes sur la plateforme en lignes.

En complément d'informations du cours:

Taulli T, and Oni M. Artificial intelligence basics. Apress, 2019.
Lee J. "Industrial AI. " Applications with sustainable performance, 2020.
Husain A. The sentient machine: The coming age of artificial intelligence. Simon and Schuster, 2017.
Cypel A. Au cœur de l'intelligence artificielle: Des algorithmes à l'IA forte. De Boeck Supérieur, 2020.
Commission Européenne. Définition de l'IA: principales capacités et disciplines scientifiques, 2019.

Pour la mise en pratique:
Goodfellow I., Bengio Y., and Courville A. Deep Learning (Adaptive Computation and Machine Learning series), 2016.
Géron A. Machine Learning avec Scikit-Learn: Mise en œuvre et cas concrets. Dunod, 2019.
Modalités d'évaluation et critères :
L'évaluation de cette unité d'enseignement est basée sur une évaluation écrite (65% de la note totale) et sur un rapport de projet de recherche (35% de la note totale). Ces projets de recherche se feront par groupe et consistent à rédiger un rapport sur des sujets autour de l'IA qui seront soit prédéfinis par le professeur soit proposés par les groupes et validés par le professeur. La participation est obligatoire pour l'évaluation écrite et pour le projet de recherche et donc à la rédaction du rapport. La non-participation ou une note nulle à un des deux entraine l'échec de toute l'évaluation.

L'évaluation écrite et le rapport du projet seront tous deux présentés lors de la session du Q2 et aussi lors du Q3 en cas d'échec de la note globale de l'UE au Q2. L'étudiant peut choisir de reporter la note du rapport de projet du Q2 au Q3.
Stage(s) :
Remarques organisationnelles :
Contacts :
kevin.elhaddad@vinci.be