Méthodes probabilistes d'intelligence artificielle. Modèles probabilistes : réseaux bayésiens, modèles de Markov cachés, champs aléatoires de Markov et leurs généralisations. Inférence. Théorie de la décision statistique et des réseaux de décision. Algorithmes d'apprentissage automatique, classificateurs simples, complexes et structurés. Traitement probabiliste de la langue naturelle et de la perception visuelle. Applications à la conception et l'implantation des systèmes experts, au forage de données, à la recherche d'informations et à la vision par ordinateur.
- Responsable du site: Christopher J. Pal
- Enseignant (éditeur): Maryam Alipourhajiagha
- Enseignant (éditeur): Nicolas Angelard-Gontier
- Enseignant (éditeur): Julien Carayol
- Enseignant (éditeur): Arantxa Casanova Paga
- Enseignant (éditeur): Félix Gingras Harvey
- Enseignant (éditeur): Roger Girgis
- Enseignant (éditeur): Roger Girgis
- Enseignant (éditeur): Anthony Gosselin
- Enseignant (éditeur): David Kanaa
- Enseignant (éditeur): David Joel Sylvain Kanaa
- Enseignant (éditeur): Kacem Khaled
- Enseignant (éditeur): Samy Labassi
- Enseignant (éditeur): Tegan Maharaj
- Enseignant (éditeur): Pierre Pereira
- Enseignant (éditeur): Alexandre Piché
- Enseignant (éditeur): Jonathan Pilault
- Enseignant (éditeur): Cyprien Quéméneur
- Enseignant (éditeur): Julien Roy
- Enseignant (éditeur): Julien Roy
- Enseignant (éditeur): Julien Roy
- Enseignant (éditeur): Abel Salmona
- Enseignant (éditeur): Jean-Gabriel Simard
- Enseignant (éditeur): Chiheb Trabelsi
- Enseignant (éditeur): Eugene Vorontsov
- Enseignant (éditeur): Martin Weiss