Le cours Techniques d’Optimisation présente les fondements et les méthodes permettant de résoudre efficacement des problèmes complexes d’aide à la décision. Il débute par une introduction à l’optimisation, où sont définis les concepts de fonction objectif, variables de décision, contraintes et solutions optimales. Il aborde ensuite les problèmes d’optimisation discrète, caractérisés par des variables entières ou combinatoires et souvent difficiles à résoudre. Le cours expose les principales méthodes d’optimisation, incluant les méthodes exactes et approchées, puis met l’accent sur les métaheuristiques, qui sont des stratégies générales et robustes inspirées de phénomènes naturels pour traiter des problèmes de grande taille. Enfin, il traite l’optimisation multiobjectif, qui vise à optimiser simultanément plusieurs critères conflictuels, en introduisant les notions de dominance de Pareto et de front de Pareto, ainsi que les algorithmes multiobjectifs modernes largement utilisés en ingénierie et en intelligence artificielle.
With the increasing deployment of artificial intelligence in distributed environments, ensuring security has become a critical challenge. Distributed AI systems, such as multi-agent systems, cloud-based AI, and edge intelligence, are exposed to various risks including data breaches, adversarial attacks, and system vulnerabilities.
This module introduces the fundamental concepts of security in distributed AI systems, focusing on potential threats, vulnerabilities, and protection mechanisms. It covers topics such as secure data sharing, privacy preservation, trust management, and robust machine learning techniques.
The objective is to equip students with the knowledge and skills needed to analyze security issues, design secure distributed AI architectures, and implement appropriate solutions to protect data, models, and communication in real-world applications.
- المعلم: Abdelali CHAABANE
Organizations operate in complex environments that require fast and relevant decision-making. Decision Support Systems (DSS) help support decision-makers by combining data, models, and analytical tools to improve the quality of decisions.
This course introduces the fundamental concepts of Decision Support Systems, their components, and their role in various domains. It covers analysis methods, decision models, as well as the IT tools used to process and exploit information.
The objective is to enable students to understand how DSS work, to model decision-making problems, and to use appropriate techniques to propose effective solutions in real-world contexts.
- المعلم: Abdelali CHAABANE
The Distributed Artificial Intelligence (DAI) course introduces the principles and techniques that enable multiple intelligent agents to cooperate, communicate, and solve problems in complex and dynamic environments. It focuses on the design, modeling, and analysis of Multi-Agent Systems (MAS), including agent architectures and coordination mechanisms such as cooperation, negotiation, and communication. The course also highlights the advantages, challenges, and main applications of DAI, providing students with a solid foundation in collaborative and distributed AI systems.
- المعلم: Ikram MANKOUR
C’est un cours théorique et pratique sur la conception et l’étude des systèmes pouvant traiter automatiquement le langage naturel (humain). Les fondements linguistiques, cognitifs et calculatoires sont mis en évidence afin de faciliter la compréhension et le design de ces systèmes.
- المعلم: Mohamed elamine BOUHADIBA
Cette matière est une initiation aux traitements de bas niveau des images (amélioration, restauration et segmentation). La finalité de ce cours est de donner aux étudiants les connaissances de bases liées aux différents types de traitement d'image et les algorithmes associés.
- المعلم: ABDALLAH BELKADI
