Apprivoiser l’apprentissage automatique

L’objectif principal du MOOC Apprivoiser l'Apprentissage Automatique est de vous présenter les concepts importants de manière simplifiée, puis de les pratiquer à l’aide de 7 tutoriels en Python sur l’application en ligne Colab accessible gratuitement. Le niveau théorique est ajusté pour mettre l’emphase sur les principes des méthodes présentées et illustrées avec des exemples concrets. Il y a peu de démonstrations mathématiques avancées. Pourquoi suivre ce MOOC en Apprentissage Automatique (AA)? L’AA fera son arrivée prochainement dans votre organisation et vous souhaitez être prêt. Vous l'utilisez depuis un moment déjà et vous souhaitez vous tenir à jour. Vous pensez à une réorientation de carrière et vous voulez tester votre intérêt. Vous envisagez de mener votre entreprise vers l’adoption de l’intelligence artificielle (IA). On vous a proposé de créer un groupe ou projet en IA et vous aimeriez en apprendre assez sur le sujet pour gérer celui-ci et recruter du personnel qualifié. Vous avez tout simplement un intérêt pour l’AA et l’IA et souhaitez en apprendre davantage. Vous serez initié à toutes les étapes à effectuer lors d’un projet en AA. Vous voulez prédire la pression à l’intérieur d’une turbine en fonction des données de multiples senseurs? C’est de la régression! Vous voulez prédire si un patient est atteint ou non de diabète en fonction des résultats d’un examen médical? C’est de la classification! Vous voulez regrouper les clients en différents segments? C’est du regroupement de données! Il y a de nombreuses applications dans une multitude de domaines. Pour bien appliquer l’AA dans un projet, il faut d’abord comprendre l’importance des données, comment les nettoyer afin de les mettre en valeur, puis quelle méthode en AA permettrait d’extraire la bonne information. Le cours est divisé en sept modules que vous pourrez suivre à votre rythme. Vous pourrez tester votre compréhension avec de la rétroaction au moyen d’un questionnaire dans chaque module. Ce MOOC résulte d’une collaboration entre l’ Institut de valorisation des données (IVADO) de l’Université de Montréal, l’ Institut intelligence et données (IID) de l’Université Laval, à Québec, et Mila - Institut québécois d’intelligence artificielle. Le contenu a été développé par des professeurs, scientifiques des données, des informaticiens et ingénieurs ayant de l’expérience en R et D académique et industrielle. Dans ce MOOC, le genre masculin est utilisé comme générique, dans le seul but de ne pas alourdir le texte. 3b:T508, Accompagnement technopédagogique Tetyana Tsomko | Conseillère technopédagogique Centre

• Définir les notions fondamentales de l'apprentissage automatique telles que sous/sur-apprentissage, validation, optimisation.
• Identifier le type d'un problème d'apprentissage automatique donné (Ex., supervisé / non-supervisé).
• Expliquer le fonctionnement et les mécanismes de l’apprentissage automatique.
• Identifier les besoins en données pour la réalisation d’un projet en AA.
• Utiliser l’application Colab pour écrire et exécuter du code Python.
• Analyser les courbes de performances en entraînement et en validation d’un algorithme d'apprentissage afin d’établir un diagnostic sur le choix des hyperparamètres, de la technique d’optimisation et des données.

• Connaissance de base de l'algèbre linéaire et du calcul différentiel.
• Connaissance de base en programmation Python.