Intelligence artificielle, optimisation et contrôle
Public Concerné
RCP 219
Objectifs pédagogiques
L'objectif de cette UE est double. Il s'agit tout d'abord de former les auditeurs aux techniques de conception d'algorithmes d'IA basées sur de l'optimisation qui adressent de nombreuses applications (aide au diagnostic médical, autorisation de crédits, ...). Le deuxième but est de montrer comment les techniques d'IA permettent d'assister les algorithmes de résolution de problèmes d'optimisation discrets, qui permettent de modéliser de nombreuses problématiques industrielles allant de la chaîne logistique de production dans une usine, aux placement d'antennes dans le déploiement d'un réseau 5G.
Contenu de la formation
Cette UE est composée de deux blocs théoriques et d'un bloc applicatif :
- Optimisation et contrôle pour l'IA qui étudie les méthodes d'optimisation et de contrôle qui contribuent aux algorithmes d'IA. Dans une première partie nous nous intéresserons à la conception de structures d'apprentissage via l'optimisation discrète (arbres de décision, apprentissage parcimonieux, ...).
- IA pour l'optimisation : l'objectif de ce bloc est de former les auditeurs à l'utilisation de techniques d'IA pour la modélisation (conception et définition des données de modèle d'optimisation en contexte incertain), et la résolution (hyper-heuristique et automatisation du choix des algorithmes, ou apprentissage dans le cadre d'une recherche arborescente) de problèmes d'optimisation.
- Étude de cas : L'objectif de ce bloc est de maîtriser sur une application industrielle les techniques étudiées dans les deux premiers blocs.
- Optimisation et contrôle pour l'IA qui étudie les méthodes d'optimisation et de contrôle qui contribuent aux algorithmes d'IA. Dans une première partie nous nous intéresserons à la conception de structures d'apprentissage via l'optimisation discrète (arbres de décision, apprentissage parcimonieux, ...).
- IA pour l'optimisation : l'objectif de ce bloc est de former les auditeurs à l'utilisation de techniques d'IA pour la modélisation (conception et définition des données de modèle d'optimisation en contexte incertain), et la résolution (hyper-heuristique et automatisation du choix des algorithmes, ou apprentissage dans le cadre d'une recherche arborescente) de problèmes d'optimisation.
- Étude de cas : L'objectif de ce bloc est de maîtriser sur une application industrielle les techniques étudiées dans les deux premiers blocs.
Description des modalités de validation
- Projet(s)
- Examen final
En alternance ou en formation continue en journée :
Merci de consulter directement le secrétariat pédagogique de votre formation pour obtenir le planning.
En formation « à la carte Hors Temps de Travail », en présentiel, à distance ou hybride :
Voir les dates, les lieux d'enseignement et les modalités d'inscription sur les sites internet des centres régionaux qui proposent cette formation.
- Paris
- Paris
- 2026-2027 2nd semestre: Formation ouverte et à distance soir ou samedi
- 2027-2028 2nd semestre: Formation ouverte et à distance soir ou samedi
- Paris
