La véritable IA ne sera pas possible sans la capacité de raisonner et de planifier à l’avance. Les jeux vidéo super-humains, la maîtrise du jeu de Go, la conduite autonome, le contrôle des systèmes dynamiques et la gestion de la chaîne d’approvisionnement sont des exemples de succès récents de l’IA. Ils contribuent à la force des approches modernes. Bien que les techniques d’apprentissage par renforcement et de planification en IA représentent un atout pour l’avenir des organisations, des entreprises et des industries, faire des choix stratégiques et efficaces exige une bonne compréhension de leurs fondements, de leur mécanique, de leurs difficultés intrinsèques et de leurs pratiques.
Objectifs
Après avoir suivi ce cours, les participants pourront :
- sélectionner la méthode pertinente pour résoudre un problème de décision séquentielle
- connaître les fondements de l’apprentissage par renforcement, de la planification de trajectoire, et des méthodes de planification et de décision décentralisée
- connaître les noms et les principes des algorithmes les plus récents
- concevoir des démonstrations de faisabilité fondées sur ces méthodes.
French 
English