% DIC938K — PLANIFICATION EN INTELLIGENCE ARTIFICIELLE % UQAM — Département d'informatique % Plan de cours — Hiver 2022 * Horaires, locaux et enseignants: Responsable(s) du cours ======================= Beaudry, Éric PK-4635 Groupes: 050 Description =========== L'objectif est d'offrir aux étudiants des cours à contenus variables et variés sur des sujets très actuels dans le domaine de l'informatique cognitive. Chaque fois d'un cours est offert, le contenu est nouveau et proposé par un professeur à partir de son domaine de recherche. Ce cours peut être offert sur un thème pour une durée de 45 heures ou sur deux ou trois thèmes en fractionnant différemment le temps. Objectif du cours Approfondir le domaine de la planification automatique en intelligence artificielle. Connaître et comprendre les défis et hypothèses classiques. Se familiariser avec les différentes approches de planification. S'initier aux thèmes de recherche actuels en planification. Réaliser un mini-projet théorique ou appliquée. Contenu ======= **Introduction.** Rappel de notions de bases en intelligence artificielle. Motivation et applications. Agents intelligents (acteurs). Planification vs scheduling. Indépendance du domaines. **Planification avec des modèles déterministes.** Représentations: classique, variables d'états. Recherche à chaînage avant dans un espace d'états. Algorithmes. Heuristiques: H\^{max}, H\^{FF}, Landmarks. Chaînage arrière. Recherche dans un espace de plans. Etc. **Planification avec méthodes de rafinement.** **Planification avec modèles temporelles.** **Planification avec modèles non déterministes.** **Planification avec modèles probablistes.** **Autres méthodes.** Formule pédagogique =================== L'approche pédagogique varira au cours de la session comme suit. 1. Au début du cours, le professeur présentera les concepts, notions et approches de base sous la forme d'exposés magistraux. 2. La deuxième partie adoptera une formule de pédagogie inversée. Les étudiants auront à lire des sections ciblées dans le livre de référence. Durant les séances en classe, le professeur animera des discussions en groupe où les étudiants auront à résumer et à expliquer ce qu'ils auront retenu de leurs lectures. Le but de ces discussions sera de clarifier certaines notions et s'assurer d'une compréhension minimale de la part des étudiants. 3. Dans la troisième partie, les étudiants auront à lire, résumer, critiquer et présenter 1 à 3 articles scientifiques dans le domaine de la planification automatique. 4. Enfin, la quatrième et dernière partie sera de réaliser un mini-projet théorique ou appliqué dans le domaine de la planification automatique. Les étudiants auront à critiquer 2 autres mini-projets. Évaluation ========== - Participation aux séances de pédagogie inversée : 5 % - Examen de synthèse sur la 1ère partie du cours : 35 % - Résumé, critique et présentation d'articles scientifiques : 20 % - Mini-projet: 35 % - Critiques de deux autres mini-projets: 5% Médiagraphie ============ \[1\] (obligatoire) Ghallab, Nau et Traverso (2016). Automated Planning and Acting. \[2\] (complémentaire) Ghallab, Nau et Traverso (2004). Automated Planning : theory and practice. \[3\] (recommandé) Stuart Russell et Peter Norvig (2020). Artificial Intelligence : A Modern Approach (4th Edition). \[4\] (recommandé) Richard Sutton et Andrew Barto (2018). Reinforcement Learning, second edition: An Introduction.