Intelligence artificielle dans l'ingénierie industrielle et de gestion

Aperçu

À PROPOS DU COURS :

L'intelligence artificielle permet activement des solutions inédites dans les secteurs industriels et de gestion. Cela entraîne une augmentation significative de la demande de spécialistes qui comprennent les principes sous-jacents aux systèmes technologiques qui propulsent les entreprises contemporaines.

Ce cours présente les principes fondamentaux de nombreux sous-domaines de l'intelligence artificielle ainsi que leurs applications. Le cours vise à servir de plateforme d'initiation pour les étudiants qui souhaitent explorer les approches de l'intelligence artificielle.

Le cours utilise le langage de programmation Python pour illustrer et enseigner les sujets théoriques. Le cours incite les étudiants à explorer les divers sous-domaines de l'IA selon leurs intérêts personnels en offrant de nombreuses ressources à chaque étape.

PUBLIC VISÉ :

Étudiants de toutes les disciplines d'ingénierie et de science. PRÉREQUIS :

L'étudiant doit avoir complété deux semestres d'un programme de licence en ingénierie ou en sciences.

SOUTIEN INDUSTRIEL :

TCS, Accenture, Tech Mahindra, Capgemini India Pvt Ltd., Genpact.

Programme

• Introduction à l'intelligence artificielle
Définition et histoire de l'IA
Importance de l'IA dans les secteurs industriels et de gestion
Aperçu des sous-domaines de l'IA
• Programmation avec Python pour l'IA
Notions de base de la programmation Python
Bibliothèques et outils importants pour l'IA (NumPy, Pandas, Matplotlib, Scikit-learn)
• Fondamentaux de l'apprentissage automatique
Apprentissage supervisé vs non supervisé
Algorithmes clés : Régression linéaire, Arbres de décision, k-Means
Applications dans l'industrie et la gestion
• Collecte et prétraitement des données
Sources de données et qualité des données
Techniques de prétraitement (normalisation, standardisation, encodage)
• Réseaux de neurones et apprentissage profond
Fondamentaux des réseaux de neurones
Introduction à l'apprentissage profond
Cas d'utilisation dans l'industrie
• Traitement du langage naturel (NLP)
Bases du NLP
Outils et techniques (tokenisation, analyse de sentiments)
Applications en gestion
• Robotique et automatisation
Principes de la robotique dans les environnements industriels
Outils et techniques d'automatisation
Études de cas
• L'IA dans la prise de décision et l'optimisation
Rôle de l'IA dans l'amélioration des processus décisionnels
Algorithmes d'optimisation (Algorithmes génétiques, Optimisation par essaims particulaires)
Applications dans le monde réel
• Implications éthiques et sociales de l'IA
Comprendre les biais dans l'IA
Éthique de l'IA et protection des données
Études de cas sur l'éthique de l'IA
• Projet Capstone
Intégration des concepts appris dans un projet pratique
Alignement du projet avec des défis réels industriels ou de gestion
• Ressources et exploration ultérieure
Livres, articles et cours en ligne recommandés
Aperçu des opportunités de carrière dans les domaines liés à l'IA
• Engagement avec l'industrie
Conférences invitées d'intervenants industriels (TCS, Accenture, etc.)
Études de cas et applications réelles des industries partenaires

---

Enseigné par

Prof. Deepu Philip, Prof. Prabal Pratap Singh

---

Sujets

Informatique