Programme des cours 2019-2020
BINV3100-2  
Intelligence artificielle, Machine Learning
Durée :
48h Pr
Nombre de crédits :
Bachelier en informatique de gestion4
Nom du professeur :
Grégory SERONT
Coordinateur(s) :
Grégory SERONT, José VANDER MEULEN
Langue(s) de l'unité d'enseignement :
Langue française
Organisation et évaluation :
Enseignement au premier quadrimestre, examen en janvier
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 est une indtroduction au Machine Learning (voir https://en.wikipedia.org/wiki/Machine_learning)
 
 
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement :
Compétence(s) - Capacité(s): C1 - S'insérer dans son milieu professionnel et s'adapter à son évolution CA1.1 -Travailler, tant en autonomie qu'en équipe éventuellement multidisciplinaire dans le respect de la culture d'entreprise CA1.2 -Collaborer à la résolution de problèmes complexes avec méthode, rigueur, pro activité et créativité CA1.3 -Adopter une attitude éthique et respecter les règles déontologiques CA1.5 -Identifier ses besoins de développement et s'inscrire dans une démarche de formation permanente C2 - Communiquer ¿ Ecouter, informer, conseiller les acteurs tant en interne qu'en externe CA2.1 -Poser les questions adéquates et adaptées aux spécifications demandées et comprendre son interlocuteur pour identifier les besoins de l'utilisateur CA2.2 -Adapter ses techniques de communication, son vocabulaire à l'interlocuteur quel qu'il soit CA2.3 -Rédiger un document technique, un rapport CA2.5 -Exploiter un document technique en français et en anglais C3 - Mobiliser les savoirs et les savoir-faire propres à l'informatique de gestion CA3.1 -Concevoir, implémenter et maintenir des algorithmes répondant aux spécifications et fonctionnalités fournies CA3.2 -Choisir et mettre en œuvre un standard défini ou une technologie spécifique (méthodologie, environnement, langage, framework, librairies, ...) CA3.3 -Traduire les besoins des utilisateurs en modèles d'analyse CA3.4 -Concevoir, implémenter, administrer et utiliser avec maîtrise un ensemble structuré de données C5 - S'organiser ¿ Structurer, planifier, coordonner, gérer de manière rigoureuse les actions et les tâches liées à sa mission CA5.3 -Respecter les délais prévus CA5.4 -Suivre un protocole méthodologique visant à cerner un problème  
Savoirs et compétences prérequis :
 / 
Activités d'apprentissage prévues et méthodes d'enseignement :
Activités           Intitulé de l'activité           Volume horaire BINV3100-C-a    Machine Learning                48
Cette UE sera organisée selon le modèle de classe inversée. 24 heures sont prévues pour le travail individuel de l'étudiant et 24h sont prévues pour le travail en présentiel
Mode d'enseignement (présentiel ; enseignement à distance) :
Cette UE sera organisée selon une classes inversées. 24 heures sont prévues pour le travail individuel de l'étudiant et 24h sont prévues pour le travail en présentiel
Lectures recommandées ou obligatoires et notes de cours :
Durant l'année, nous donnerons plus de détails sur les documents à consulter durant les travaux individuels (lectures de livres, lectures d'articles, vidéos à regarder, ...).
Les références seront placées sur mooVin.
Modalités d'évaluation et critères :
Responsable de l'évaluation: VANDER MEULEN José
L'évaluation est exclusivement basée sur de l'évaluation continue. D'une part les étudiants réaliseront des travaux de différentes natures (interrogation, qcm, carte mentale, résumé, ...). D'autre part les étudiants réaliseront un projet. Ces deux parties permettront de déterminer le niveau de maîtrise de l'étudiant. En particulier, notez donc qu'aucun examen ne sera organisé en première session.
En cas de deuxième session, l'évaluation est basée sur un examen oral sur machine permettant de déterminer le niveau de maîtrise de l'étudiant.
La note finale de l'UE est délibérée par les professeurs impliqués dans l'évaluation de celle-ci. En cas de lacune importante dans un ou plusieurs acquis d'apprentissage spécifique à l'UE, le jury de délibération se réserve le droit de ne pas valider l'UE ; càd d'attribuer une note d'UE différente de la moyenne mathématique. Cette décision fera l'objet d'une justification de la part des professeurs.
Stage(s) :
Remarques organisationnelles :
 / 
Contacts :
- Jean-Benoît DELBROUCK
- Grégory Seront
- José VANDER MEULEN