PREMIÈRE PARTIE : Fondements de l'intelligence artificielle

CHAPITRE 01 Introduction à l'intelligence artificielle
1.1.
Qu'est-ce que l'intelligence artificielle ?
1.2.
Intelligence artificielle et intelligence naturelle
1.3.
Systèmes d'intelligence artificielle et systèmes informatiques généraux
1.4.
Une brève histoire de l'intelligence artificielle
1.5.
Applications de l'intelligence artificielle
1.6.
Classification de l'intelligence artificielle

CHAPITRE 02 Expression de la connaissance
2.1.
Le besoin d'une représentation formelle des connaissances
2.1.1 Méthode de représentation des connaissances
2.1.2 Considérations relatives à la représentation des connaissances
2.2.
techniques de représentation des connaissances
2.2.1 Logique
2.2.2 Cadre
2.2.3 Réseau sémantique
2.2.4 Graphique conceptuel
2.2.5 Graphique conceptuel tridimensionnel
Script 2.2.6
2.2.7 Règles
2.2.8 Représentations multiples des connaissances
CHAPITRE 03 EXPLORATION
3.1.
Techniques de recherche sans information
3.1.1 Recherche en profondeur
3.1.2 Recherche en largeur
3.2.
techniques de recherche heuristiques
3.2.1 Exploration en montagne
3.2.2 Recherche prioritaire
3.2.3 Algorithme A*
3.2.4 Admissibilité et propriétés de croissance monotone de l'algorithme A*
3.3.
Jeux et exploration
3.3.1 Technique Minimax
3.3.2 Technique de coupe alpha-bêta
3.4.
Mise en œuvre d'un programme de recherche

CHAPITRE 04 Logique et argumentation automatique
4.1.
Logique propositionnelle
4.2.
Logique des prédicats
4.2.1 Syntaxe
4.2.2 Sémantique
4.2.3 Règles d'inférence
4.2.4 Unification
4.3.
argument automatique
4.3.1 Fusion logique
4.3.2 Stratégies de convergence logique
4.3.3 Question et réponse utilisant la réfutation par fusion logique
4.3.4 Système d'argumentation automatisé
CHAPITRE 05 Incertitude et logique floue
5.1.
incertitude
5.2.
probabilité
5.2.1 Probabilité conditionnelle et théorème de Bayes
5.3.
Facteur de confiance
5.4.
théorie des ensembles flous
5.4.1 Ensembles flous
5.4.2 Nombres flous
5.4.3 Relations floues
5.4.4 Logique floue
5.4.5 Contrôle flou

CHAPITRE 06 PLANIFICATION
6.1.
Planification et empilage des boîtes
6.2. BANDES
6.3.
Planification hiérarchique

CHAPITRE 07 Apprentissage automatique et algorithmes génétiques
7.1.
Éléments liés à l'apprentissage automatique
7.2.
Exemples d'apprentissage inductif
7.3.
Généralisation et espace conceptuel
7.4.
Exploration de l'espace des versions
7.5. Algorithme ID3
7.6.
polarisation inductive
7.7.
apprentissage basé sur l'explication
7.8.
Apprendre par analogie
7.9.
apprentissage non supervisé
7.9.1 Regroupement cohésif
7.9.2 Algorithme de clustering K-Means
7.9.3 Regroupement conceptuel
7.10.
apprentissage par renforcement
7.11.
Algorithmes génétiques et programmation génétique
7.11.1 Exemples d'algorithmes génétiques
7.11.2 Programmation génétique

CHAPITRE 8 Réseaux de neurones artificiels et apprentissage profond
8.1.
réseau neuronal artificiel
8.2.
Réseaux neuronaux profonds et apprentissage profond
8.3.
Caractéristiques et outils des réseaux de neurones artificiels
8.3.1 Caractéristiques des réseaux de neurones artificiels
8.3.2 Outils pour les réseaux de neurones artificiels

PARTIE II Applications de l'intelligence artificielle
CHAPITRE 09 SYSTÈMES EXPERTS
9.1.
Bref historique des systèmes experts
9.2.
Structure d'un système expert
9.3.
Moteur d'inférence
9.3.1 Inférence directe
9.3.2 Inférence rétrospective
9.3.3 Argument basé sur un modèle
9.3.4 Argumentation fondée sur des cas
9.4.
Processus de développement de systèmes experts
9.4.1 Phase de préparation du développement
9.4.2 Phase d'analyse et de conception du système
9.4.3 Phase de développement du prototype
9.4.4 Phase de développement du système
9.4.5 Étapes de mise en œuvre
9.4.6 Étapes de maintenance
9,5.
Exemple de système expert en action
9.6.
Caractéristiques et outils de développement des systèmes experts
9.6.1 Caractéristiques des systèmes experts
9.6.2 Outils de développement pour les systèmes experts

CHAPITRE 10 TRAITEMENT AUTOMATIQUE DU LANGAGE
10.1.
Applications du traitement automatique du langage naturel
10.1.1 Traduction automatique
10.1.2 Recherche d'informations
10.1.3 Interface en langage naturel
10.2.
Connaissances et procédures de traitement connexes
10.3.
Analyse syntaxique
10.3.1 Grammaire
10.3.2 Analyse syntaxique
10.3.3 Implémentation de l'analyseur syntaxique
10.3.4 Implémentation d'un analyseur syntaxique ascendant
10.4.
Analyse sémantique
10.5.
Analyse de la situation
10.6.
génération de langage naturel
10.7.
reconnaissance vocale
CHAPITRE 11 VISION PAR ORDINATEUR
11.1.
Acquisition d'images
11.1.1 Génération de signaux numériques
11.2.
Traitement d'images
11.2.1 Réduction du bruit
11.2.2 Conversion de l'échelle de contraste
11.3.
Analyse vidéo
11.3.1 Détection des limites
11.3.2 Lissage des bordures et recherche de zones
11.3.3 Analyse de l'information stéréoscopique
11.4.
Comprendre l'image
11.4.1 Appariement circulaire
11.4.2 Correspondance des caractéristiques
11.5.
Applications de la vision par ordinateur

CHAPITRE 12 Agents et robots
12.1.
agent logiciel
12.1.1 Classification des agents
12.1.2 Exemples d'agents
12.1.3 Caractéristiques de l'agent
12.1.4 Systèmes multi-agents
12.1.5 Intégration système à l'aide d'agents
12.2.
robot
12.2.1 Robots industriels
12.2.2 Robots mobiles autonomes
12.2.3 Robots humanoïdes
12.2.4 Autres robots

CHAPITRE 13 Le Web sémantique
13.1.
Qu'est-ce que le Web sémantique ?
13.2.
La structure du Web sémantique
13.2.1 Niveau Internet
13.2.2 Niveau de structure
13.2.3 Niveau de métadonnées
13.2.4 Niveau d'ontologie
13.2.5 Logique et niveau de confiance
13.3.
Outils de développement Web sémantique
13.4.
Applications Web sémantiques et recherches connexes
13.4.1 Domaines d'application
13.4.2 Recherches connexes

CHAPITRE 14 La quatrième révolution industrielle et l'intelligence artificielle
14.1.
Histoire de la révolution industrielle
14.2.
La quatrième révolution industrielle et l'intelligence artificielle
14.3.
L'avenir de l'intelligence artificielle