École en ligne en apprentissage automatique

1er au 26 mars 2021

L'apprentissage automatique (machine learning) est un champ d'études de l'intelligence artificielle qui fait interagir un ensemble d'outils informatiques et statistiques permettant à l'ordinateur «d’apprendre» à partir de données. Ce dernier pourra exécuter des tâches ou répondre à des questions de façon automatique sans nécessiter explicitement de programmation. 

La transformation numérique étant amorcée, tous les secteurs d’activité confondus doivent intégrer ces nouvelles technologies à leur processus d’affaires pour demeurer compétitifs. Les techniques se perfectionnent continuellement et le besoin de professionnels qualifiés et formés pour ce genre d'approche croît de façon exponentielle.

Déjà à sa 4e édition, la formation permettra aux participants d’intervenir sur des projets dans leur domaine et leur transmettra le bagage nécessaire à la poursuite de cet apprentissage dans leur milieu de travail, de recherche ou d’études.

Formule en ligne

La formule en ligne de l’École en apprentissage automatique permet aux participants de compléter la formation entièrement à distance à un rythme adapté à leur horaire. En plus de profiter de l’enseignement provenant des professeurs de la Faculté des sciences et de génie les participants pourront bénéficier d’un accompagnement lors des exercices pratiques assure par une équipe d’experts.

Les participants se verront offrir un accès en tout temps à un forum contextuel où ils pourront échanger avec leurs pairs et obtenir une rétroaction des formateurs via une plateforme d’apprentissage distinctive unique développée au sein même de la Faculté. Ils pourront également s’entretenir directement avec nos experts lors des 5 séances de question en direct prévues à différents moments au cours de la formation. Les apprenants quitteront avec une connaissance pratique et appliquée de l’apprentissage automatique qui leur donnera la confiance nécessaire pour prendre des décisions stratégiques réfléchies et amorcer des changements dans leur organisation.

Application possibles de l'apprentissage automatique dans vos activités professionnelles

  • Gestion du risque
  • Gestion des commandes et des réclamations, optimisation des niveaux d’inventaire
  • Protection des données personnelles
  • Connaissance du client (comprendre ses comportements et ses préférences
  • Conduite autonome
  • Adapter les techniques de culture à la météo (secteur agriculture)
  • Maintenance prédictive
  • Reconnaissance vocale et de l’écriture manuscrite

Objectif général : 
Au terme de cette formation, le participant sera en mesure de résoudre des problèmes identifiés en milieu de travail au moyen des techniques d’apprentissage automatique.

Objectifs spécifiques : 
À la fin de cette formation, le participant sera en mesure de : 

  • Identifier les problèmes rencontrés en entreprise pouvant être résolus par l'apprentissage automatique
  • Déterminer les avantages et les limites du paradigme d'apprentissage automatique
  • Fixer les requis pour la mise en place appropriée d'un pipeline d'apprentissage
  • Appliquer les techniques courantes pour résoudre des problèmes d'apprentissage automatique supervisé

  • Informaticiens et autres professionnels des technologies de l'information
  • Ingénieurs
  • Actuaires
  • Scientifiques et chercheurs
  • Étudiants inscrits à temps plein aux cycles supérieurs dans une discipline liée

  • Programmer ou être capable d’interpréter un langage de programmation
  • Être initié au langage de programmation Python

La première semaine est nécessaire pour ceux qui ne connaisse pas Python mais qui connaissent la programmation. Elle sert de rappel pour les notions entourant le nettoyage et la préparation des données. Également, le visionnement d’un tutoriel est fortement recommandé aux participants ignorant les bases du langage Python. Au besoin, consultez les chapitres 2 à 10 du livre de Gérard Swinnen pour en faire les exercices. Consulter ici.

Un tutoriel expliquant succinctement les convolutions en python permet également de mieux en apprécier la syntaxe et les usages.

Envie d’aller plus loin dans votre apprentissage de Python? Inscrivez-vous à l’une de nos 4 formations en ligne en programmation Python.

Matériel requis
Chaque participant doit avoir un portable ayant une capacité minimale de 8 Go de RAM.

  • Formule entièrement à distance – 45 heures réparties sur une période de 4 semaines
  • Infrastructure et matériel (théorie et exercices) entièrement accessibles via la Plateforme d’Apprentissage eXpérientielle (PAX) dès la première journée pour respecter le rythme de chacun
  • 25 heures estimées pour les exercices pratiques interactifs dans un environnement Jupyter  
  • 6 heures de séances en direct avec les professeurs ou experts formateurs
  • Séances en direct entièrement enregistrées et disponibles
  • Assistance via un forum contextuel lors des exercices pratiques par une équipe d'étudiants chercheurs aux cycles supérieurs

Semaine 1 - 1er au 5 mars :

  • Webinaire d'accueil le 1er mars, 13h à 14h
  • Semaine consacrée à l'introduction à la science des données en Python (aucune séance en direct)

Semaine 2 - 8 au 12 mars :

  • Mardi 9 mars : séance en direct "Introduction à l'apprentissage automatique" et période de question avec François Laviolette, 13h à 14h
  • Vendredi 12 mars : séance en direct "Application des méthodes de régression linéaire" et période de question avec Thierry Duchesne, 11h à 12h

Semaine 3 - 15 au 19 mars :

  • Mardi 16 mars : séance en direct "Application des méthodes de classification" et période de question avec Christian Gagné, 13h à 14h
  • Vendredi 19 mars : séance en direct "Évaluation et sélection des modèles" et période de question avec Patrick Dallaire, 13h à 14h

Semaine 4 - 22 au 26 mars :

  • Mardi 23 mars : séance en direct  "Introduction à l'apprentissage profond" et période de question avec Philippe Giguère, 13h à 14h

 Nous nous réservons le droit d’apporter des modifications à l’horaire des séances en direct.

Introduction à la science des données en Python

À la fin de ce thème préambule, le participant sera apte à :

  • Connaître le langage Python et la librairie Pandas
  • Appliquer des techniques de normalisation des données
  • Réaliser le nettoyage des données
  • Concevoir des extracteurs de caractéristiques
  • Utiliser des techniques d'imputation et d’augmentation de données
  • Analyser la qualité d'un ensemble de données

Introduction à l'apprentissage automatique (François Laviolette)

À la fin de ce thème, le participant sera apte à :

  • Comprendre le paradigme de programmation par apprentissage automatique
  • Connaître les principales formes d'apprentissage
  • Comprendre les notions de généralisation et de sur apprentissage
  • Appliquer une méthodologie d'apprentissage automatique rigoureuse
  • Connaître les principaux algorithmes d'apprentissage supervisé
  • Connaître les enjeux éthiques et les limites des algorithmes d’apprentissage automatique
  • Réaliser des analyses exploratoires des données

Application des méthodes de régression linéaire (Thierry Duchesne)

À la fin de ce thème, le participant sera apte à :

  • Connaître les fondements des modèles linéaires et de ses extensions
  • Appliquer les méthodes d’inférence pour un modèle linéaire
  • Faire la sélection des variables explicatives
  • Utiliser un modèle linéaire pour effectuer des prévisions

Application des méthodes de classification (Christian Gagné)

À la fin de ce thème, le participant sera apte à :

  • Connaître les fondements des différents algorithmes de classification
  • Appliquer les bons algorithmes de classification selon le contexte d’application
  • Comprendre l'effet des hyperparamètres sur l'erreur de généralisation

Évaluation et sélection des modèles (Patrick Dallaire)

À la fin de ce thème, le participant sera apte à :

  • Comprendre la notion de métrique
  • Connaître les principales métriques de classification et régression
  • Comparer des modèles sur la base de certaines métriques
  • Utiliser une métrique dans un cadre méthodologique de sélection de modèles
  • Connaître les métriques permettant de contrer le débalancement de classes

Introduction à l'apprentissage profond (Philippe Giguère)

À la fin de ce thème, le participant sera apte à :

  • Comprendre le fonctionnement d'un réseau de neurones
  • Connaître les principales fonctions de perte pour les réseaux de neurones
  • Comprendre la structure d'un réseau de neurones
  • Entraîner un réseau de neurones avec un cadre méthodologique
  • Comprendre la structure du réseau de neurones convolutionnels
  • Comprendre les principaux opérateurs de convolution
  • Comprendre la structure du réseau de neurones récurrent
  • Réaliser de la segmentation et de la classification d'images

Tarif régulier : 1 500$ 
Rabais de 50% de Scale AI : 750$ (détails et admissibilité plus bas)
Tarif étudiant : 500$ (doit étudier temps plein à l'hiver 2021) *Une preuve du statut étudiant temps plein sera exigée. 

Pour vous inscrire, choisissez une des deux options ci-dessous:

Faites financer votre formation

Saviez-vous que cette formation pourrait être admissible à une subvention pouvant aller jusqu’à 50%  d’Emploi-Québec? Informez-vous auprès de votre centre local d’emploi (CLE).

Trouvez votre centre local d’emploi (CLE)
Programmes de développement de la main-d’œuvre – sous apprentissage en milieu de travail

Formateurs :

  • François Laviolette, directeur du Centre de recherche en données massives (CRDM)
  • Christian Gagné, directeur de l'Institut intelligence et données (IID)
  • Thierry Duchesne, professeur titulaire au département de mathématiques et statistique
  • Patrick Dallaire, professeur associé et scientifique de l'IA
  • Philippe Giguère, professeur, ingénieur

 

DATE
Du 1er au 26 mars 2021

DURÉE
45 heures

UNITÉS D'ÉDUCATION CONTINUE
4,5 UEC

LIEU
En ligne

TARIF RÉGULIER 
Régulier : 1 500$
Rabais 50% de Scale AI : 750$ (détails plus bas)
S'inscrire

TARIF ÉTUDIANT
Étudiant : 500$ (doit être temps plein)
S'inscrire

Pour plus d'information
Formation continue
418-656-2131, poste 402793
Sans frais : 1 855 656-3897
fc.cfdd@fsg.ulaval.ca

Formation accréditée par Scale AI

Inscrivez-vous à cette formation accréditée par Scale AI et bénéficiez d’un rabais de 50% sur le tarif régulier. Pour bénéficier de cette subvention à titre individuel, les participants doivent obligatoirement occuper un emploi au Canada.

Au Québec, il est également indispensable de fournir le NEQ de votre employeur ainsi que d’identifier s'il s'agit d’une institution publique ou parapublique afin de bénéficier du rabais.

Si vous êtes admissible, utilisez le code promotionnel : ScaleEVEL dans l’espace prévu à cet effet dans le panier d'achat. 

* Rabais applicable à partir du 22 février 2021.