Intelligence artificielle pour la physique de l'ingénieur

Bases du machine learning
IA, réseaux de neurones, deeplearning et modèles physiques 
Différencier les méthodes d'apprentissage
Bases mathématiques de l'apprentissage
Notions d'apprentissage supervisé, non supervisé, et par renforcement

Prompt engineering et LLM
Comparaison des formulations de prompt pour résoudre une problématique de physique 
Chain-of-thought (CoT prompting) pour la physique
Détection et correction des hallucinations des LLM

Être capable de : 
- choisir un modèle adapté aux problématiques de  physique appliquée ciblées et le dataset adapté à l'apprentissage et la qualification du modèle
- évaluer les performances d'un modèle d'apprentissage au regard de la problématique de physique

Évaluation au cours du semestre et évaluation finale en fin de semestre

Enseignements de Mathématiques, probabilités / statistiques et d'Algorithmique et programmation de Licence 1 et 2.

50% Contrôle Continu (évaluations en cours de semestre, dont au maximum 25% TP ou travaux de groupe et au minimum 75% d'évaluations individuelles) et 50% Evaluation de fin de semestre (épreuve écrite 1h30). 
L’utilisation de tout dispositif électronique non autorisé par l’enseignant lors des évaluations est strictement interdite. Le recours à l'intelligence artificielle ou à internet sans qu'il ait été explicitement autorisé par l'enseignant sera considéré comme une fraude.