Durée
24h Th, 50h Proj.
Nombre de crédits
Enseignant
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au deuxième quadrimestre
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
Les modèles d'intelligence artificielle (IA) sont de plus en plus appliqués dans divers domaines, notamment dans des domaines (tels que la santé, la finance ou le droit) où les résultats générés par ces modèles peuvent avoir des répercussions sur les individus. Il est donc important de s'assurer que ces modèles soient non seulement précis, mais aussi que les parties prenantes concernées soient en mesure de comprendre leur fonctionnement. Une telle compréhension permet de déterminer si l'on peut se fier aux résultats des modèles d'IA et quelles sont leurs limites. Dans ce contexte, ce cours a pour objectif de vous présenter les méthodologies existantes dans le domaine émergent de l'intelligence artificielle explicable.
La matière abordée sera la suivante (sous réserve de modifications) :
- Modèles intrinsèquement interprétables
- Méthodes d'attribution et saliency maps
- Explications contrefactuelles
- Explications basées sur des concepts
- Explications par et pour les grands modèles de langage
- Evaluation des explications
- Connexions entre l'IA explicable et l'équité
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
A l'issue du cours, vous aurez acquis une vue d'ensemble de l'état de l'art dans le domaine de l'IA explicable.
Savoirs et compétences prérequis
ELEN0062 (Introduction to Machine Learning) est un corequis. Le cours abordera des thèmes qui supposent une bonne connaissance préalable de la matière abordée dans ELEN0062.
Activités d'apprentissage prévues et méthodes d'enseignement
Le cours comprendra des leçons théoriques présentant les concepts méthodologiques clés et les approches de l'état de l'art dans le domaine de l'IA explicable. Les cours théoriques seront complétés par un projet pratique, dans le cadre duquel vous implémenterez une méthode d'IA explicable (existante ou nouvelle), que vous appliquerez sur des données réelles.
Mode d'enseignement (présentiel, à distance, hybride)
Cours donné exclusivement en présentiel
Informations complémentaires:
Le cours se donne au second quadrimestre.
Les cours théoriques sont donnés en présentiel. Le projet est à réaliser de façon autonome.
Supports de cours, lectures obligatoires ou recommandées
Plate-forme(s) utilisée(s) pour les supports de cours :
- eCampus
Modalités d'évaluation et critères
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation orale
Travail à rendre - rapport
Evaluation continue
Informations complémentaires:
Vous serez évalué.e.s de deux manières :
1. Evaluation continue
Un projet est à réaliser durant le quadrimestre et sera évalué sur base d'un rapport écrit et d'une présentation orale.
Le projet est obligatoire pour pouvoir présenter l'examen.
2. Examen oral durant la session
L'examen oral consistera en une présentation d'un article scientifique et des concepts théoriques qui y sont associés.
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Le cours est enseigné en anglais.
Toutes les informations relatives au cours seront mise sur eCampus.
Contacts
Enseignante : Vân Anh Huynh-Thu.
E-mail : vahuynh@uliege.be
Bureau : 1.84b, B28 (Institut Montefiore, Sart-Tilman)