Ce que vous devez savoir avant
Vous commencez

Débute 4 June 2026 00:23

Se termine 4 June 2026

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Raisonnement sous incertitude

Explorez les concepts fondamentaux de l'IA, y compris la probabilité, les réseaux bayésiens, les modèles de Markov cachés et les processus de décision de Markov afin de maîtriser le raisonnement et la prise de décision dans l'incertitude.
University of Colorado Boulder via Coursera

University of Colorado Boulder

37 Cours


L'Université de Colorado Boulder, souvent appelée CU Boulder, propose une grande variété de programmes et de cours éducatifs, à la fois en personne et en ligne. Les étudiants peuvent choisir parmi diverses filières d'études, notamment des cours d'arts, de sciences, d'ingénierie, de commerce et plus encore.

Cours en ligne de l'Université de Colorado Boulder

L'un des principaux avantages de la CU Boulder est la possibilité de suivre des cours en ligne. C'est une formidable opportunité pour les étudiants qui veulent une éducation de qualité mais préfèrent avoir de la flexibilité dans leur emploi du temps. Les cours en ligne de la CU Boulder donnent accès à des professeurs hautement qualifiés et aux matériels les plus récents.

Cours d'été à l'Université de Colorado Boulder

L'été est un excellent moment pour explorer de nouveaux sujets et élargir ses connaissances. L'Université de Colorado Boulder propose une variété de cours d'été en ligne et en personne. C'est une excellente opportunité pour les étudiants de passer leur été utilement en étudiant des sujets qu'ils aiment.

Meilleurs cours de la CU Boulder pour les étudiants

La CU Boulder offre non seulement une grande variété de programmes, mais aussi une éducation de haute qualité. Les étudiants peuvent choisir parmi une variété de cours, du niveau basique au niveau avancé, pour développer leurs compétences et leurs centres d'intérêt. L'université utilise activement des approches innovantes dans l'enseignement, comme l'éducation par l'IA, qui aide les étudiants à acquérir des connaissances à jour.

Cours à la CU Boulder : Plus avec des leçons gratuites

Grâce à une variété de cours gratuits à la CU Boulder, les étudiants peuvent élargir leurs connaissances dans de nombreux domaines. Ces cours sont disponibles pour les étudiants débutants et avancés, permettant à chacun de trouver une option de formation adaptée à ses intérêts.

Avantages de suivre des cours en ligne à l'Université de Colorado Boulder

L'Université de Colorado Boulder offre aux étudiants une opportunité unique d'étudier à travers des cours en ligne, qui présentent un certain nombre d'avantages importants.

Premièrement, l'avantage d'étudier les cours en ligne à l'Université de Colorado Boulder est la flexibilité de l'horaire. Les étudiants peuvent choisir leur propre moment pour étudier le matériel et regarder les cours, ce qui leur facilite l'équilibre entre leurs études et d'autres responsabilités telles que le travail ou les engagements familiaux. Cette flexibilité rend l'éducation plus accessible à un plus grand nombre de personnes.

Deuxièmement, les cours de l'Université de Colorado Boulder offrent aux étudiants l'opportunité d'étudier un matériel unique présenté par des enseignants expérimentés. Grâce à l'accès à des experts dans divers domaines de la connaissance, les étudiants peuvent acquérir des connaissances et des compétences pertinentes qui seront utiles dans le monde moderne.

Le troisième avantage de suivre les cours en ligne de la CU Boulder est l'occasion de se connecter et de collaborer avec d'autres étudiants de différents pays et cultures. Cela contribue à enrichir l'expérience éducative en permettant aux étudiants d'être exposés à différents points de vue et d'élargir leurs horizons.

En outre, les cours en ligne de l'Université de Colorado Boulder offrent généralement une variété de matériel d'apprentissage interactif, rendant le processus d'apprentissage plus amusant et efficace. Les étudiants peuvent apprendre grâce à des conférences vidéo, des tests, des forums et d'autres méthodes innovantes qui stimulent l'apprentissage.

Ainsi, suivre des cours en ligne de l'Université de Colorado Boulder offre aux étudiants de nombreux avantages, y compris une programmation flexible, l'accès à des experts, la communication internationale, et une approche éducative interactive. C'est une excellente occasion pour les étudiants de recevoir une éducation de qualité, d'élargir leurs connaissances et compétences, et de se préparer aux défis du monde moderne.

Conclusion

L'Université de Colorado Boulder est un endroit où les étudiants peuvent recevoir une éducation de qualité avec une variété de cours et de programmes au choix. Que vous cherchiez une formation en ligne ou en personne, des cours d'été ou des programmes gratuits, la CU Boulder offre de nombreuses opportunités pour le développement et l'apprentissage!

12 hours

Amélioration optionnelle disponible

Intermédiaire

Progressez à votre rythme

Paid Course

Amélioration optionnelle disponible

Aperçu

This course introduces the foundational principles of artificial intelligence through the lens of reasoning and decision-making under uncertainty. Students begin by examining how intelligent agents act in uncertain environments using probability theory, Bayes’ Rule, and independence assumptions to update beliefs—concepts that underpin probabilistic machine learning and data-driven decision-making.

The course then explores Bayesian Networks as a structured framework for representing complex dependencies and performing inference, connecting to modern graphical models and causal reasoning. Building on this, students study probabilistic reasoning over time using temporal models such as Hidden Markov Models, with links to contemporary sequence modeling and state estimation in applications like speech recognition and robotics.

Finally, the course addresses sequential decision-making through Markov Decision Processes, where students learn to compute optimal policies using value iteration, policy iteration, and the Bellman equation—ideas that form the foundation of modern reinforcement learning methods used in systems such as autonomous agents and game-playing AI.

Programme

  • Agir sous incertitude
  • Ce module introduit comment les agents intelligents raisonnent et prennent des décisions dans des environnements où les informations sont incomplètes, bruitées ou incertaines. Les étudiants apprendront les bases de la probabilité, y compris la règle de Bayes et les hypothèses d'indépendance, et utiliseront ces outils pour effectuer des inférences probabilistes et mettre à jour les croyances en fonction des preuves. Le module met l'accent à la fois sur les sources d'incertitude et sur les méthodes que les systèmes d'IA utilisent pour agir rationnellement malgré celles-ci.
  • Raisonnement probabiliste
  • Ce module se concentre sur l'utilisation des réseaux bayésiens comme outils pour le raisonnement probabiliste et la prise de décision en incertitude. Les étudiants apprendront à interpréter un réseau donné, à calculer des probabilités et à effectuer des inférences— à la fois exactes et approximatives— en utilisant des techniques telles que l'échantillonnage direct et l'échantillonnage de Gibbs. L'accent est mis sur l'application des réseaux de Bayes pour répondre à des requêtes, mettre à jour les croyances avec des preuves, et raisonner efficacement dans des domaines complexes.
  • Raisonnement probabiliste dans le temps
  • Ce module introduit des modèles probabilistes temporels, se concentrant sur la façon dont les systèmes d'IA raisonnent sur des états cachés qui évoluent au fil du temps. Les étudiants apprendront à appliquer des techniques d'inférence telles que le filtrage, la prédiction, le lissage et l'algorithme de Viterbi pour mettre à jour les croyances et déduire les séquences d'états les plus probables à partir des observations. L'accent est mis sur l'utilisation des modèles de Markov cachés pour effectuer des calculs et interpréter comment les preuves façonnent le raisonnement dans des environnements dynamiques et incertains.
  • Décisions basées sur l'utilité
  • Ce module introduit comment les agents d'IA prennent des décisions optimales dans des environnements d'incertitude au fil du temps en utilisant le cadre des processus de décision de Markov. Les étudiants apprendront à représenter des problèmes de décision séquentielle avec des états, des actions, des récompenses et des politiques, ainsi qu'à calculer le comportement optimal en utilisant l'itération de valeur, l'itération de politique et l'équation de Bellman. L'accent est mis sur la sélection des actions qui maximisent l'utilité espérée dans des environnements incertains et séquentiels.

Enseigné par

Rhonda Hoenigman


Matières

Artificial Intelligence