Instructions

Sujets de travaux pratiques d’intelligence artificielle et d’apprentissage profond

Année: 2026-2027¶

Sujets de travaux pratiques¶

• TP1 (rappels)

• TP2

• TP3

• Mini projet

• Projet

Objectifs¶

L’objectif des travaux pratiques est de préparer le projet en pratiquant les différents aspects d’intelligence artificielle et d’apprentissage profond. Suite à l’accomplissement de tous les exercices, vous serez capable de

• mettre en œuvre les sujets suivants :

  • intelligence artificielle symbolique

  • le réseau de neurones artificiels

  • l’apprentissage profond

• implémenter un perceptron et un perceptron multicouche (propagation avant, rétropropagation) en NumPy

• créer des modèles de réseaux de neurones en utilisant différentes structures et fonctions d’activation

• paramétrer et optimiser les réseaux de neurones

• tester les modèles existants de réseaux neuronaux récurrents comme le LSTM et les réseaux neuronaux convolutifs

• écrire et exécuter des programmes simples dans le langage de programmation Prolog

Instructions¶

1. Tous les travaux pratiques sont basés sur les aspects que vous avez déjà appris pendant vos cours. Utilisez bien vos supports de cours.

2. Travailler en binôme.

3. Il est obligatoire de citer toutes les sources (e.g. internet, groupes, assistants d’IA).

4. Les séances sont encadrées par 2 enseignants.

Évaluation¶

1. Seul le projet est évalué : il constitue 100 % de la note finale.

2. Les trois travaux pratiques (TP) ne sont pas notés et ne sont pas à rendre. Ils permettent de mettre en application les notions du cours et préparent le projet.

3. Les critères d’évaluation du projet sont décrits dans le sujet du projet.

4. La date limite de soumission du projet est précisée sur e-campus.

5. Chaque question de TP a un niveau de difficulté

   • ★: Facile

   • ★★: Difficulté moyenne

   • ★★★: Difficile

Rendu du projet¶

Le rendu se fait en ligne (e-campus) et concerne uniquement le projet.

Votre dossier de rendu doit contenir les fichiers suivants:

• a. README: le rapport du projet (voir le sujet du projet)

• b. CONTRIBUTORS: noms et prénoms des contributeurs

• c. src/ : le code source (notebooks et scripts) dans le répertoire src

Votre rendu doit être nommé groupe_N1_N2, où N1 et N2 sont les noms (e.g., groupe_DUPONT_SMITH).

Écrivez README et CONTRIBUTORS en format markdown.

Veuillez ne pas soumettre les jeux de données (fichiers CSV, JSON, TSV, images, audio) ni les modèles entraînés : indiquez plutôt comment les obtenir ou les régénérer.

Liste de contrôle¶

Avant de déposer votre projet, vérifiez si vous respectez la liste de contrôle suivante:

• ✅ Les noms (prénom et noms) du binôme sont présents dans le fichier CONTRIBUTORS

• ✅ Le fichier README est complètement rempli.

• ✅ Toutes les sources sont citées.

• ✅ Votre code est bien commenté.

• ✅ Votre code peut être exécuté sans aucune erreur (et si possible, sans aucun avertissement).

Modèle de code¶

Pour référence, vous pouvez consulter le répertoire suivant: https://github.com/johnsamuelwrites/IA-DeepLearning. Il contient des modèles de code pour les exercices des trois travaux pratiques et pour le projet.

Vous pouvez le consulter en ligne en utilisant le lien ci-dessus ou le cloner sur votre machine à l’aide du terminal en utilisant les commandes suivantes.

          $ git clone https://github.com/johnsamuelwrites/IA-DeepLearning
          $ cd IA-DeepLearning
          $ ls
          $ cat fr/README.md

Pour obtenir les dernières mises à jour du répertoire, vous pouvez exécuter la commande suivante

          $ git pull