![Intelligence artificielle - pearson - 9782326002210 -](https://www.unitheque.com/Intermediaire3/CouvertureI/N/9782326002210-intelligence-artificielle_g.jpg)
Intelligence artificielle
Une approche moderne
La bible en intelligence artificielle. Écrit par des experts de renommée mondiale, ce livre est la référence incontournable en matière d'intelligence artificielle (IA) dont il présente et analyse tous les concepts : logique, probabilités, mathématiques discrètes et du continu, perception, raisonnement, [...]
[lire le résumé du livre]
Auteur : Peter NORVIG , Stuart RUSSELL , Fabrice POPINEAU
Editeur : Pearson
Date parution : 11/2021 4e éditionCB Google/Apple Pay, Chèque, Virement
Quel est le sujet du livre "Intelligence artificielle"
La bible en intelligence artificielle.
Écrit par des experts de renommée mondiale, ce livre est la référence incontournable en matière d'intelligence artificielle (IA) dont il présente et analyse tous les concepts : logique, probabilités, mathématiques discrètes et du continu, perception, raisonnement, apprentissage, prise de décision et action. 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.
Auteurs :
Stuart Russell est professeur au département d'informatique à l'université de Berkeley (Californie), où il dirige le Center for Human-Compatible Artificial Intelligence. Il est membre du bureau exécutif de l'AMI (American Association for Artificial Intelligence) et membre de l'ACM (Association for Computing Machinery). Il a publié plus de 300 articles sur l'IA et est l'auteur de plusieurs livres, dont le best-seller : Artificial Intelligence, A Modern Approach. Peter Norvig est directeur de la recherche chez Google. Il a co-dirigé un cours d'IA en ligne auquel 160 000 étudiants se sont inscrits, contribuant à lancer la révolution des cours massifs en ligne ouverts à tous (MOOC). Il a dirigé la division informatique du centre de recherche Ames de la NASA, où il a supervisé la recherche et le développement en matière d'IA et de robotique. Il a écrit 4 livres, dont Paradigms of Artificial Intelligence Programming. Supervision de la traduction et relecture scientifique Laurent Miclet a été professeur d'informatique à l'ENSSAT (Ecole nationale supérieure des sciences appliquées et de technologie) et enseignait l'intelligence artificielle, l'apprentissage automatique, l'algorithmique avancée, les langages et la compilation. Il était aussi chercheur à l'IRISA (Institut de recherche en informatique et systèmes aléatoires). Fabrice Popineau est professeur à CentraleSupélec où il enseigne l'algorithmique, la modélisation logique, l'informatique théorique ainsi que l'intelligence artificielle. Il est chercheur au laboratoire LISN (Université Paris-Saclay) et porteur de la chaire de recherche Lusis dédiée aux applications de l'intelligence artificielle à la détection de fraude et au trading automatique. Il est expert auprès de l'ISO dans le sous-comité dédié à la normalisation de l'IA.
La bible en intelligence artificielle.En suivant ce lien, retrouvez tous les livres dans la spécialité Intelligence artificielle.
Sommaire et contenu du livre "Intelligence artificielle - Une approche moderne"
Chapitre 1 - Introduction
Chapitre 2 - Agents intelligents
Chapitre 3 - Résolution de problèmes par exploration
Chapitre 4 - Exploration dans des environnements complexes
Chapitre 5 - Exploration en situation d'adversité et jeux
Chapitre 6 - Problèmes à satisfaction de contraintes
Chapitre 7 - Agents logiques
Chapitre 8 - Logique du premier ordre
Chapitre 9 - Inférence en logique du premier ordre
Chapitre 10 - Représentations des connaissances
Chapitre 11 - Planification automatique
Chapitre 12 - Quantification de l'incertitude
Chapitre 13 - Raisonnement probabiliste
Chapitre 14 - Raisonnement probabiliste temporel
Chapitre 15 - Programmation probabiliste
Chapitre 16 - Prises de décisions simples
Chapitre 17 - Prises de décisions complexes
Chapitre 18 - Prise de décisions en environnement multiagent
Chapitre 19 - Apprentissage à partir d'exemples
Chapitre 20 - Apprentissage de modèles probabilistes
Chapitre 21 - Apprentissage profond
Chapitre 22 - Apprentissage par renforcement
Chapitre 23 - Traitement du langage naturel
Chapitre 24 - Apprentissage profond et traitement du langage naturel
Chapitre 25 - Vision artificielle
Chapitre 26 - Robotique
Chapitre 27 - Philosophie, éthique et sécurité en IA
Chapitre 28 - L’avenir de l’IA