| Titre : | Intelligence artificielle : Une approche moderne |
| Auteurs : | Stuart Russell, Auteur ; Peter Norvig, Auteur ; Fabrice Popineau, Collaborateur ; Laurent Miclet, Collaborateur ; Claire Cadet, Traducteur ; Laurent Miclet, Traducteur ; Fabrice Popineau, Traducteur |
| Type de document : | texte imprimé |
| Mention d'édition : | 4e édition |
| Editeur : | Paris : Pearson, 2024 |
| ISBN/ISSN/EAN : | 978-2-326-00221-0 |
| Format : | 985 p. / 30 cm |
| Langues: | Français |
| Sujets : |
IESN Informatique ; Intelligence artificielle |
| Résumé : |
Description La bible en intelligence artificielle Un traitement approfondi des sujets simples comme des sujets avancés permet aux étudiants d’acquérir une compréhension générale des frontières de l’IA sans compromettre ni la complexité et ni la rigueur. Sa spécificité est de présenter l’IA à travers le concept d’agent intelligent. Les auteurs exposent comment un système réussit à percevoir son environnement de manière à analyser ce qui s’y passe, et comment il transforme la perception qu’il a de son environnement en actions concrètes. Cette approche intégratrice montre comment les différents sous-domaines de l’IA se combinent pour construire des applications capables de répondre à la complexité du monde réel. De plus, un très grand nombre de renvois entre les sections expose les connexions entre des domaines qui sont le plus souvent présentés comme indépendants. Parmi les sujets couverts : les contributions des mathématiques, de la théorie des jeux, de l’économie, de la théorie des probabilités, de la psychologie, de la linguistique et des neurosciences ; les différentes manières de représenter formellement les connaissances relatives au monde qui nous entoure ainsi que le raisonnement logique fondé sur ces connaissances ; les méthodes de raisonnement qui permettent d’établir des plans et donc de proposer des actions à entreprendre ; la prise de décisions en environnement incertain : réseaux bayésiens et algorithmes tels que l’élimination de variables et MCMC (Markov Chain Monte-Carlo) ; les méthodes d’apprentissage automatique (machine learning) employées pour générer les connaissances nécessaires aux composants de prise de décision : boosting, EM (expectation-minimization), machines à vecteurs support, réseaux de neurones, apprentissage profond (deep learning) ; la perception avec le traitement du langage naturel et la vision par ordinateur ainsi que l’action avec la robotique ; l’avenir de l’IA et ses implications philosophiques et éthiques. Chaque chapitre est illustré par de nombreux exemples et schémas, puis se termine par un résumé. Les exercices se trouvent en anglais sur la plateforme dédiée à l’ouvrage. Cette 4e édition tient compte des derniers développements de la matière et présente les concepts de manière plus unifiée. Elle apporte un éclairage nouveau et couvre de manière élargie l’apprentissage automatique, l’apprentissage profond, l’apprentissage par transfert, les systèmes multi-agents, la robotique, le traitement du langage naturel, la causalité, la programmation probabiliste, le respect de la vie privée, l’équité et la sécurité. |
| Note de contenu : |
Partie 1 Intelligence artificielle Chapitre 1 Introduction Chapitre 2 Agents intelligents Partie 2 Résolution de problèmes Chapitre 3 Résolution de problèmes par exploration Chapitre 4 Exploration en environnements complexes Chapitre 5 Exploration antagoniste et jeux Chapitre 6 Problèmes de satisfaction de contraintes Partie 3 Connaissances, raisonnement et planification Chapitre 7 Agents logiques Chapitre 8 Logique du premier ordre Chapitre 9 Inférence en logique du premier ordre Chapitre 10 Représentation des connaissances Chapitre 11 Planification classique Partie 4 Connaître et penser l'incertain Chapitre 12 Quantification de l'incertitude Chapitre 13 Raisonnement probabiliste Chapitre 14 Raisonnement probabiliste temporel Chapitre 15 Programmation probabiliste Chapitre 16 Prise de décision simple Chapitre 17 Prise de décision complexe Chapitre 18 Prise de décision multiagent Partie 5 Apprentissage Chapitre 19 Apprendre à partir d'exemple Chapitre 20 Apprentissage de modèles probabilistes Chapitre 21 Apprentissage profond Chapitre 22 Apprentissage par renforcement Partie 6 Communiquer, percevoir et agir Chapitre 23 Traitement du langage naturel Chapitre 24 Apprentissage profond en traitement du langage naturel Chapitre 25 Vision par ordinateur Chapitre 26 Robotique Partie 7 Conclusion Chapitre 27 Philosophie, éthique et sécurité de l'IA Chapitre 28 Avenir de l'IA Annexe A Rappels de mathématique Annexe B Notes sur les langues et les algorithme |
Exemplaires (1)
| Localisation | Section | Support | Cote de rangement | Statut | Disponibilité |
|---|---|---|---|---|---|
| Bibliothèque IESN | _68.2 Intelligence artificielle (bleu) | Livre | 68 RUS INT 4e | Empruntable sur demande | Disponible |
