v2.11.0 (5648)

PA - C4B - INF581 : Advanced Machine Learning and Autonomous Agents

Domaine > Informatique.

Descriptif

Driven by recent breakthroughs, rapidly growing collections of data, and a plethora of exciting applications, artificial intelligence is experiencing massive interest and investment from both the academic and industrial scene.

This course selects a number of advanced topics to explore in machine learning and autonomous agents, in particular:

  • Probabilistic graphical models (Bayesian networks, ...)
  • Multi-output and structured-output prediction problems
  • Deep-learning architectures
  • Methods of search and optimization (Beam search, epsilon-approximate search, stochastic optimization, Monte Carlo methods, ...)
  • Sequential prediction and decision making (HMMs, Sequential Monte Carlo, Bayesian Filtering, MDPs, ...)
  • Reinforcement learning (Q-Learning, Deep Q-Learning, ...)

Although these topics are diverse and extensive, this course is developed around a common thread connecting them all, such that each topic builds off the others.

Lectures will cover the relevant theory, and labs will familiarize the students with these topics from a practical point of view. Several of the lab assignments will be graded, and a team project on reinforcement learning will form a major component of the grade - where the goal is to developing and deploy an agent in an environment and write a report analyzing the results.

 

Format des notes

Numérique sur 20

Littérale/grade réduit

Pour les étudiants du diplôme M1 MPRI - Foudations of Computer Science

Pour les étudiants du diplôme Non Diplomant

Le rattrapage est autorisé (Note de rattrapage conservée)
    L'UE est acquise si note finale transposée >= C
    • Crédits ECTS acquis : 5 ECTS

    Pour les étudiants du diplôme M1 Data AI - Data and Artificial Intelligence

    Vos modalités d'acquisition :

    2.5 ECTS si l'élève fait la version "courte" soit 24h du cours  .

    Le rattrapage est autorisé (Note de rattrapage conservée)
      L'UE est acquise si note finale transposée >= C
      • Crédits ECTS acquis : 5 ECTS

      Pour les étudiants du diplôme M2 Data AI - Data and Artificial Intelligence

      Vos modalités d'acquisition :

      2.5 ECTS si l'élève fait la version "courte" soit 24h du cours  .

      Le rattrapage est autorisé (Note de rattrapage conservée)
        L'UE est acquise si note finale transposée >= C
        • Crédits ECTS acquis : 5 ECTS

        Pour les étudiants du diplôme M1 Innovation, Entreprise, et Société - Voie Innovation technologique

        Le rattrapage est autorisé (Note de rattrapage conservée)
          L'UE est acquise si note finale transposée >= C
          • Crédits ECTS acquis : 5 ECTS

          La note obtenue rentre dans le calcul de votre GPA.

          Pour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École polytechnique

          Le rattrapage est autorisé (Note de rattrapage conservée)
            L'UE est acquise si note finale transposée >= C
            • Crédits ECTS acquis : 5 ECTS

            La note obtenue rentre dans le calcul de votre GPA.

            Pour les étudiants du diplôme M2 Cyber Physical System

            Le rattrapage est autorisé (Note de rattrapage conservée)
              L'UE est acquise si note finale transposée >= C
              • Crédits ECTS acquis : 5 ECTS

              Pour les étudiants du diplôme M2 Énergie

              Le rattrapage est autorisé (Note de rattrapage conservée)
                L'UE est acquise si note finale transposée >= C
                • Crédits ECTS acquis : 5 ECTS

                Pour les étudiants du diplôme Echanges PEI

                Le rattrapage est autorisé (Note de rattrapage conservée)
                  L'UE est acquise si note finale transposée >= C
                  • Crédits ECTS acquis : 5 ECTS

                  La note obtenue rentre dans le calcul de votre GPA.

                  Pour les étudiants du diplôme M2 Data Sciences

                  Le rattrapage est autorisé (Max entre les deux notes)
                    L'UE est acquise si note finale transposée >= C
                    • Crédits ECTS acquis : 3 ECTS

                    Pour les étudiants du diplôme M1 Mathematiques Jacques Hadamard

                    Pour les étudiants du diplôme MScT-Cybersecurity : Threats and Defenses

                    Le rattrapage est autorisé (Note de rattrapage conservée)
                      L'UE est acquise si note finale transposée >= C
                      • Crédits ECTS acquis : 4 ECTS

                      Pour les étudiants du diplôme MSc X-HEC Entrepreneurs

                      Le rattrapage est autorisé (Note de rattrapage conservée)
                        L'UE est acquise si note finale transposée >= C
                        • Crédits ECTS acquis : 5 ECTS

                        La note obtenue rentre dans le calcul de votre GPA.

                        Pour les étudiants du diplôme MScT-Artificial Intelligence and Advanced Visual Computing

                        Le rattrapage est autorisé (Note de rattrapage conservée)
                          L'UE est acquise si note finale transposée >= C
                          • Crédits ECTS acquis : 4 ECTS
                          Veuillez patienter