Knowledge representation

Durée

28h Th, 4h Pr, 50h Proj.

Nombre de crédits

Enseignant

Pascal Gribomont

Langue(s) de l'unité d'enseignement

Langue anglaise

Organisation et évaluation

Enseignement au deuxième quadrimestre

Horaire

Horaire en ligne

Unités d'enseignement prérequises et corequises

Les unités prérequises ou corequises sont présentées au sein de chaque programme

Contenus de l'unité d'enseignement

Un programme classique codifie une certaine connaissance, sous une forme directement exploitable par la machine. Il est souvent intéressant, en intelligence artificielle par exemple, d'exploiter une connaissance codée de manière plus naturelle. Le cours présente la logique du premier ordre comme outil privilégié de représentation de la connaissance. Les principes de la programmation logique sont étudiés en détail. On montre que le langage PROLOG constitue une mise en oeuvre partielle mais commode de ces principes.

Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement

Principes de base de la programmation logique.
Techniques de base de la programmation en Prolog.
Déduction automatique en Prolog.
Conversion de programmes fonctionnels en programmes logiques; amélioration et simplification du code.
Vérification de l'exactitude des programmes par rapport à leurs spécifications.
Applications simples à l'intelligence artificielle (logigrammes, énigmes, jeux à un ou deux joueurs).

Savoirs et compétences prérequis

INFO051-1 Logique (corequis) et INFO054-1 Programmation fonctionnelle (prérequis)
Une bonne connaissance théorique et pratique de la logique mathématique et une bonne maîtrise de la programmation fonctionnelle sont indispensables pour tirer profit de ce cours.

Activités d'apprentissage prévues et méthodes d'enseignement

Exercices de programmation en Prolog.

Mode d'enseignement (présentiel ; enseignement à distance)

Présentiel.

Lectures recommandées ou obligatoires et notes de cours

Les transparents sont disponibles.
Lectures utiles:
P. Gochet et P. Gribomont, Logique, volume 3: Méthodes pour l'intelligence artificielle (chapitres 10, 11 et 12), Hermès, Paris, 2000.
L. Sterling and E. Shapiro, The Art of Prolog, MIT Press, 1994 (2nd ed).
I. Bratko, Prolog Programming for Artificial Intelligence, Prentice Hall, 2000 (3rd ed).

Modalités d'évaluation et critères

Travaux individuels. Examen final.

Stage(s)

Remarques organisationnelles

http://www.montefiore.ulg.ac.be/~gribomon/cours/cours.html

Contacts

Pascal Gribomont <gribomont@montefiore.ulg.ac.be>

Adaptation des engagements pédagogiques suite à la pandémie de COVID-19 pour la session de mai-juin

Méthodes d'apprentissage mises en œuvre : enseignement à distance

Matière de l'évaluation

Méthodes d'évaluation

L'examen est supprimé. L'évaluation se fait uniquement sur base des projets.
 

Contact

Adaptation des engagements pédagogiques suite à la pandémie de COVID-19 pour la session août-sept

Matière de l'évaluation

Sans objet.

Méthodes d'évaluation (et plateforme utilisée)

Sans objet.

Contact(s)