École en ligne en apprentissage automatique

Perfectionnement

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 5e 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 séances de question en direct prévues à différents moments au cours de la formation etse joindre aux ateliers d'exercices dirigés au besoin. 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

Pour profiter pleinement de cette formation, il est fortement suggéré de remplir toutes ces conditions :

  • Être initié au langage de programmation Python (suivre au besoin nos formations Python impératif et Python orienté objet)
  • Être en mesure de définir sommairement le fonctionnement et les mécanismes de l’apprentissage automatique supervisé et ou non supervisé
  • Être en mesure de différencier les problèmes de régression et de classification de données
  • Être en mesure d’utiliser des librairies pour l’application des concepts de bases en programmation (langage Python suggéré)

Vous n'avez pas les prérequis? Inscrivez-vous à la nouvelle formation Notions de base de l’apprentissage automatique qui couvre l'ensemble des bases de l'IA. Plus de détails sous peu.

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 3 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 réparties sur la durée de l'école
  • Séances en direct entièrement enregistrées et disponibles
  • Ateliers d'exercices dirigés offerts à plusieurs reprises tout au long de votre cheminement
  • Assistance via un forum contextuel lors des exercices pratiques par une équipe d'étudiants chercheurs aux cycles supérieurs

*NOTE IMPORTANTE : Le contenu ci-dessous est partiel. Le déroulement précis et l'ensemble des notions et contenus enseignés à l'hiver 2022 sera disponible sous peu!

Introduction à l'apprentissage automatique

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

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

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

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 

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 2022) *Une preuve du statut étudiant temps plein sera exigée. 

Plus d'information disponible sous peu.

 

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.