École en apprentissage automatique

Semaine 1

• Lundi le 29 mai: Webinaire accueil
  • En ligne, 13h à 13h30
• Mardi 30 mai: Aucune séance
• Mercredi 31 mai: Méthodologie, Période de questions-réponses, avec Pascal Germain
  • En ligne, 13h à 14h
• Jeudi 1er juin: Aucune séance
• Vendredi 2 juin: Méthodologie, Exploration des scripts, avec Pierre Gravel ET Conférences sur l' "Opérationnalisation de l'IA en entreprise" avec Karl-Alexandre Jahjah
  • Comodal, 13h à 16h30

Semaine 2

• Lundi 5 juin: Aucune séance
• Mardi 6 juin: Méthode de classification, Période de questions-réponses, avec Pierre Gravel
  • En ligne, 13h à 14h
• Mercredi 7 juin: Méthode de régression, Période de questions-réponses, avec Aurélien Nicosia
  • En ligne, 13h à 14h
• Jeudi 8 juin: Méthode de classification et de régression, Exploration des scripts, avec Pierre Gravel ET Panel d'experts sur la Vision numérique avec Jean-François Lalonde, Ihsen Hedhli et Alexandre Vallières
  • Comodal, 13h à 16h30

Conférence: L’opérationnalisation de l’apprentissage machine en entreprise : comment ne pas devenir le vilain petit canard

Toutes les entreprises technologiques ressentent l’urgence de mettre à profit l’intelligence artificielle et l’apprentissage machine afin de récolter les fruits que ces technologies novatrices et en constante mouvance promettent. Toutefois, lorsque vient le temps d’intégrer les solutions aux processus, plusieurs obstacles et particularités de l’apprentissage automatique peuvent retarder ou carrément faire dérailler les projets. L’opérationnalisation de l’apprentissage machine (MLOps) est un ensemble de pratiques pour s’intégrer avec succès dans l’écosystème de l’entreprise sans donner l’impression de demander une foule de permissions spéciales. Le mal-aimé petit canard peut ainsi étendre ses ailes de cygne!

Panel d'experts : Apprentissage automatique et vision numérique

L’accessibilité à un volume suffisant de données fiables et représentatives est incontournable pour le développement de solutions industrielles liant vision numérique et apprentissage automatique. Mais qu’en est-il lorsque trop peu de données terrain sont disponibles? Les modèles génératifs – à l’image des Midjourney et DALL-E qui se sont imposés dans les dernières années – représentent-ils une solution pouvant palier à cet important défi? Ou la solution se trouve-t-elle ailleurs, dans le développement d’approche d’apprentissage avec peu de données?

En compagnie de trois experts du domaine, profitez d’un tour d’horizon de ces préoccupations liés à l’enjeu des données en vision numérique et en apprentissage automatique dans un contexte d’opérationnalisation industrielle.

• Alexandre Vallières, directeur senior – Stratégie et Innovation, Bentley Systems

• Jean-François Lalonde, professeur titulaire à la Faculté des sciences et de génie de l’Université Laval et directeur scientifique adjoint de l’Institut intelligence et données

• Ihsen Hedli, scientifique de données à l’Institut intelligence et données (IID) de l’Université Laval

Information supplémentaires

Formule hybride

La formule comodale de l’École en apprentissage automatique permet aux participants d'avoir certains ateliers qui sont offerts en ligne ou en présentiel, au choix du participant. 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 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 questions comodales prévues à différents moments au cours de la formation et se 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.

Applications 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)
• Détection de la fraude et des spams
• Conduite autonome
• Adapter les techniques de culture à la météo (secteur agriculture)
• Maintenance prédictive
• Assistance vocale intelligente
• Reconnaissance vocale et de l’écriture manuscrite

Équipement requis

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

Inclus dans la tarif

• Frais d’inscription et frais de gestion du dossier
• Accès à la Plateforme PAX Expérience
• Matériel pédagogique
• Attestation de participation

Tarif étudiant

• Vous devez être étudiant à temps plein et fournir une preuve de fréquentation lors de votre inscription.

Précisions sur la formation

• Formule comodale – 34 heures réparties sur une période de 2 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
• 24 heures estimées pour les exercices pratiques interactifs dans un environnement Jupyter
• 10 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 pour réécoute
• 2 ateliers d'exploration et de compréhension des scripts offerts tout au long de votre cheminement
• Assistance via un forum contextuel lors des exercices pratiques par une équipe d'étudiants aux cycles supérieurs
• Conférence portant sur l'Opérationnalisation de l'IA en entreprise
• Activité de synthèse – Panel sur la Vision numérique