Ingénieur civil IG, concepteur en Intelligence Artificielle

L’IA, c’est l’ensemble des méthodes et des outils qui permettent de simuler les différents modes du raisonnement humain. L’ingénieur civil IG conçoit et met en œuvre des systèmes intelligents pour la réalisation d’un ensemble de tâches évoluées : percevoir et analyser son environnement, apprendre et structurer des connaissances, décider ou diagnostiquer.

Placeholder140x140

Notre vision

Placeholder140x140

La formation

Placeholder140x140

Collaborations


Pour nous, l'IA se doit d'être centrée sur les besoins et les aspirations humaines et sociétales. Pour ce faire, nous visons la compréhension fine et la conception de modèles et d'algorithmes. Notre ambition, c'est de contribuer aux performances et à l’interprétabilité de l’IA.

Placeholder140x140

Compréhension et conception

Placeholder140x140

Aspects humains et sociétaux

Placeholder140x140

Xplainable AI


Nous développons des activités tout au long du flux de données : des capteurs (IoT) à la connaissance en passant par toutes les formes d'information. Nous travaillons dans les domaines du Machine et Deep Learning ; de l’aide à la décision et des interactions entre humains et agents informatiques. Nos projets d’application en IA se déploient dans de nombreux domaines, par exemple la santé ou les smart cities.

Placeholder140x140

Machine et Deep Learning

Placeholder140x140

Agents et Intéractions

Placeholder140x140

Données, informations et connaissances


L'Intelligence Artificielle en IG

Le département IG propose plusieurs activités d’apprentissage liées au domaine d’intelligence artificielle :

Intelligence artificielle (I-INFO-026)

Il s’agit d’une activité d’apprentissage donnée, au 1er quadrimestre, aux étudiants de Master Ingénieur civil en Informatique et Gestion à Mons.
À l’issue de cet enseignement, les étudiants seront capables de :

  1. maîtriser, formuler et résoudre des problèmes en intelligence artificielle ;
  2. maîtriser les concepts d’intelligence artificielle : agents et environnement, arbres et algorithmes de recherche, systèmes multi-agents, etc.
  3. maîtriser les technologies de deep learning en vue de les appliquer dans différents domaines : vision par ordinateur, robotique, analyse de données, etc.
  4. comprendre le lien entre l’intelligence artificielle, Data science, Machine et Deep Learning.

Pour une meilleure maîtrise de ces concepts, les séances de travaux pratiques sont conçues pour formuler et résoudre différents problèmes d’intelligence artificielle (jeux, robotique, etc.). D’autres séances seront proposées pour l’exploitation des techniques de Machine et Deep Learning pour la classification et reconnaissance de formes au sein des images et vidéos. Ce cours est en coordination avec le cours d’Advanced Data Science and Machine Learning (I-MARO-220) dans lequel les étudiants ont la possibilité d’approfondir les techniques de Machine Learning.

Exemple de classification d'images avec Deep Learning

Advanced Deep Learning (I-INFO-202)

Après avoir découvert et expérimenté les différentes techniques et architectures d’apprentissage profond (et plus particulièrement les réseaux de neurones convolutionnels, CNN) durant le cours d’intelligence artificielle, donné en Master 1.

Nous proposons via cette activité d’explorer de nouvelles architectures (RNN, LSTM, etc.) ainsi que les techniques d’évaluation de performances, interprétation, visualisation, amélioration et optimisation des modèles de Deep Learning.

Différentes approches seront abordées tels que : le réglage d’hyper paramètres, la régularisation, la normalisation, la validation croisée, etc. Cette activité serait conclue par une formation à l’utilisation du matériel embarqué dans le domaine du Deep Learning.

Moteur de recherche d'images par le contenu (CBIR)

Multimedia Information Retrieval and High Performance Computing

Les dernières années ont été marquées par la présence de très grands ensembles d'images et de vidéos dans notre vie quotidienne. Ces objets multimédias ont une fréquence de création et de partage très rapide puisque ces objets peuvent provenir de différents appareils tels que les smartphones, les satellites, les appareils photo, les drones, etc.

Par conséquent, les algorithmes de traitement d'images et de vidéos ont acquis une importance croissante dans le domaine de vision par ordinateur. Par ailleurs, ces algorithmes doivent être implémentés et optimisés pour une exploitation efficace des ressources de calcul à haute performance (HPC) afin de fournir des solutions rapides, efficaces et gérant des grands volumes de données multimédia.

Dans le cadre de cette unité d’enseignement, nous abordons d’une part différents méthodes d’analyse et annotation de données multimédia et d’autre part les méthodes d’indexation et recherche d’objets multimédia (moteurs de recherche multimédia). Les techniques d’apprentissage profond (Deep Learning) et plus particulièrement les réseaux de neurones convolutionnels seront également utilisés pour l’analyse, indexation et classification de données multimédia.

En termes calcul à haute performance, les étudiants seront formés aux différents outils et langages de programmation parallèle (OpenMP, Open MPI, CUDA, etc.) permettant d’exploiter les ressources de calcul HPC tels que les processeurs CPU ou/et les processeur graphiques GPUs, clusters, grilles de calcul, etc.

Atelier d’intelligence artificielle

Dans le cadre du certificat d’intelligence artificielle organisé à l’Université de Mons, nous organisons un atelier au vert entre tous les participants inscrits au certificat d’université, ciblé sur le travail en équipe pour la réalisation d’un challenge ambitieux en IA.

© 2019 Département Informatique et Gestion - Faculté Polytechnique - UMONS

· Privacy · Terms