Passer au contenu principal

Parcours Notions de base en intelligence artificielle

À propos de cette formation

Durée

35 heures

Description

L'intelligence artificielle est un ensemble de méthodes de plus en plus utilisées en industrie pour résoudre des problèmes de toutes sortes.

Ce parcours vise à aider les participants à acquérir les connaissances leur permettant de comprendre l’intelligence artificielle, d’expliquer son fonctionnement et ses mécanismes, de même que ses limitations et possibilités actuelles. Il présentera également les éléments de base en apprentissage profond afin d’aller plus loin dans vos projets d’analyses de données en rendant vos modèles d’analyse plus aptes à extraire automatiquement les caractéristiques pertinentes de vos données lors de l’apprentissage.

Ce parcours en intelligence artificielle (IA) comprend deux formations (voir plus bas les détails de celles-ci).

Stratégies pédagogiques

  • Formations autonomes en mode asynchrone par lectures, démonstration et exercices sur une plateforme d’apprentissage expérientielle (PAX)

Plateforme d'Apprentissage eXpérientielle (PAX)

PAX est une plateforme unique d’apprentissage novatrice, dite intelligente, qui regroupe des outils d’apprentissage adaptatifs et interactifs. Elle agit véritablement comme un tuteur intelligent permettant à l’apprenant d’apprendre par déduction en connaissant la nature et la source de ses erreurs.

Avantages distinctifs de PAX :

  • La théorie est exposée sous forme de modules multimédias interactifs
  • Des exercices interactifs permettent l'approfondissement des notions théoriques enseignées. Ceux-ci sont analysé par PAX, qui offre une rétroaction immédiate et individuelle afin d'aider le participant à corriger ses erreurs par déduction
  • Des quiz chronométrés permettent au participant de tester ses acquis autant de fois qu’il le désire
  • Un forum contextuel où les fils de discussions sont liés aux contenus (modules-exercices et quiz)
  • Un forum animé par des experts en Python

Objectifs

  • Expliquer le fonctionnement et les mécanismes de l'apprentissage automatique
  • Identifier les possibilités et les limitations actuelles de l’intelligence artificielle
  • Identifier les besoins en données pour la réalisation d’un projet d’intelligence artificielle
  • Expliquer et mettre en œuvre les éléments d’une bonne méthodologie de séparation des données
  • Expliquer la régression et de classification et en appliquer deux méthodes
  • Différencier l’apprentissage supervisé et non supervisé
  • Différencier les outils de visualisation de données sur Python
  • Utiliser des librairies pour l’application des concepts de base en Python
  • Expliquer des concepts de base reliés à l’apprentissage profond
  • Expliquer le fonctionnement des outils permettant de bonnes pratiques de développement d’un projet en apprentissage profond
  • Identifier les caractéristiques des bons outils de développement
  • Différencier les fonctionnalités de base de PyTorch, Poutyne et Tensorboard

Clientèle cible

S’adresse principalement aux professionnels de l’industrie œuvrant dans des emplois liés à la programmation ou à l’exploitation de données.

Préalables

  • Connaissance de base en programmation (langage python suggéré)
  • Connaître les notions de base de l'algèbre linéaire et du calcul différentiel

Formule d'enseignement

Que vais-je apprendre?

Contenu

2 cours à faire dans ce programme

Notions de base de l'apprentissage automatique Cet hyperlien s'ouvrira dans un nouvel onglet.

20 h

L'apprentissage automatique (AA) est la branche de l’intelligence artificielle ayant le plus d’impact dans la société. Pensez-y. Tous les jours, on réalise des tâches très complexes (vision, langage, etc.). Bien que ...  [ + ]

Notions de base de l'apprentissage profond et des réseaux de neurones Cet hyperlien s'ouvrira dans un nouvel onglet.

15 h

Cette formation se veut axée sur la pratique, afin d’outiller le professionnel et le rendre opérationnel rapidement.

...  [ + ]

Qui va m'accompagner?

Marc Parizeau

Professeur titulaire

Pierre Gravel

Professionnel de recherche à l'Institut intelligence de données (IID) de l'Université Laval, Ph.D.

Marouane Yassine

Scientifique de données, Institut Intelligence et données (IID), Université Laval

David Beauchemin

Candidat au doctorat en informatique, Université Laval

Pascal Germain

Professeur adjoint, département d'informatique et de génie logiciel, Université Laval

Qui offre cette formation?

Pour développer vos compétences et élargir vos horizons professionnels, la Formation continue de la Faculté des sciences et de génie vous propose une offre de formation en constante évolution. Nous offrons des formations pour tous les besoins : perfectionnement court, formations plus longues ainsi que des formations en entreprise et sur mesure. Profitez de la flexibilité de nos formations et mettez vos compétences à jour grâce à notre offre de perfectionnement.

Pour tout savoir sur notre offre de formation

Une place s'est libérée?
D'autres dates sont annoncées?