Algorithmique de l'Intelligence Artificielle (FMIN 209)
Ce cours de 50 heures vise à donner les bases algorithmiques de l'IA, en étudiant principalement trois parties: les méthodes de recherche, la prise de décision, et l'apprentissage. Ouvrages utilisés pour le cours de l'année 2008-09:
- "Artificial Intelligence: a Modern Approach" de Russel et Norvig, qui fait référence en la matière,
- "Automated Planning" de Ghallab, Nau et Traverso, et
- "Machine Learning" de Mitchell.
| Recherche | Décision | Apprentissage |
| Cours 1: Agents et Rationalité (from reactive to rational agents) |
Cours 4: Prise de Décision (FSM, Decision Trees, Production Rules) |
Cours 7: Apprentissage de concepts (version-spaces, conjunctive learning) |
| Cours 2: Méthodes de Recherche Complète (problèmes de recherche, A* search, backtracking search) |
Cours 5: Planification (raisonnement sur l'action, state-space, sat-plan, graph-plan) |
Cours 8: Apprentissage Logique (decision trees, decision rules) |
| Cours 3: Méthodes de Recherche Locale (problèmes d'optimisation, greedy-search, genetic algorithms) |
Cours 6: Raisonnement incertain (bayesian networks) |
Cours 9: Réseaux de Neurones (perceptron, neural networks) |
| TP 2010 | ||
Moteurs de Jeux (FMIN 313)
Dans les jeux vidéos modernes, les "moteurs" sont composés de trois parties: le moteur graphique, le moteur physique, et le moteur IA. Ce cours de 50 heures vise à examiner ces différentes parties. Ouvrages de référence du cours de l'année 2009-10:
- "3D Game Engine Design" de Eberly,
- "Automated Planning" de Ghallab, Nau et Traverso,
- "Artificial Intelligence for Games" de Millington,
- "Digital Lighting and Rendering" de Birn,
- "Essential Mathmatics for Games and Interactive Application" de van Verth et Bishop,
- "Game Physics Engine Development" de Millington,
- "Mathematics for 3D Game Programming and Computer Graphics" de Lengyel,
- "Multi-Agent Systems" de Shoham et Leyton-Brown,
- "Planning Algorithms" de LaValle,
- "Real-Time Rendering" de Akenine-Möller et Haines,
- "Real-Time Collision Detection" de Ericson.
Nous commentrons aussi divers articles des séries "Game AI Programming Wisdom" et "Game Programming Gems".
| Moteurs graphiques | Moteurs physiques | Moteurs IA |
| Cours 1: Geometry (game engines, vectors) |
Cours 4: Objects and Agents Motion (laws of motion I, kinematics behaviors, steering behaviors) |
Cours 9: Planning I: Discrete Planning (search,satisfaction,optimization) |
| Cours 2: Rendering I (matrices, transforms, quaternions) |
Cours 5: Rigid and Deformable Bodies (laws of motion II, rotations, spring systems) |
Cours 10: Planning II: Continous Planning (Motion planning, differential equations) |
| Cours 3: Rendering II (Marc) (pipeline, geometric objects, renderers and cameras) |
Cours 6: Collisions (collision detection, constraints, collision resolution) |
Cours 11: Game Theoretic Decision (NF games, Extensive Games, Richer Representation) |
| Cours 7: Lighting (light, vision, colors, real-time lighting) |
|
|
| Cours 8: Shading and Texturing (types, mappings, image texturing, pixel shaders, vertex shaders) | |
|
En TD, nous étudierons la programmation de moteurs de jeux sous OpenGL
Sujets de TD et TP
Apprentissage (FMIN 328)
Ce cours de 15 heures vide à donner des notions solides et récentes dans divers domaines de l'apprentissage. Ouvrages de référence du cours de l'année 2009-10 :
- "Algorithmic Game Theory" de Nisan et. al.,
- "Prediction, learning, and games" de Cesa-Bianchi et Lugosi,
- "Reinforcement learning" de Sutton et Barto,
- "Pattern Classification" de Duda, Hart et Stork,
| Cours 1: Statistical Learning (lprediction tasks, version spaces, PAC learning) |
| Cours 2: Online Learning (online convex optimization, regression learning, classification learning) |
| Cours 3: Reinforcement Learning (Markov decision processes,Q-Learning,R-Max Learning) |
| Cours 4: Support Vector Machines (maximum margin classifiers, kernel methods, offline and online algorithms) |
| Cours 5: Introduction to Game Theory (Nash equilibria, complexity, learning) |