Ir al contenido principal

UMontrealX: Apprivoiser l’apprentissage automatique

J’entends et j’oublie,
Je vois et je me souviens,
Je fais et je comprends.

Quelle belle citation de Confucius pour expliquer qu’on apprend mieux en pratiquant un nouveau concept qu’en lisant simplement à son sujet. S’adressant principalement aux professionnels, ainsi qu’à tout apprenant ayant un intérêt pour l’apprentissage automatique (AA), ce MOOC vous permettra d’acquérir les connaissances de base en AA, d’expliquer son fonctionnement et de vous pratiquer à l’aide de tutoriels en Python.

7 semanas
2–3 horas por semana
A tu ritmo
Avanza a tu ritmo
Gratis
Verificación opcional disponible

Hay una sesión disponible:

Una vez finalizada la sesión del curso, será archivadoAbre en una pestaña nueva.
Comienza el 26 abr

Sobre este curso

Omitir Sobre este curso

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.

Curso creado con el apoyo de

IVADOIIDMila

De un vistazo

  • Institution UMontrealX
  • Subject Informática
  • Level Intermediate
  • Prerequisites

    Prérequis:

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

Lo que aprenderás

Omitir Lo que aprenderás

Au terme de cette formation en ligne, l’apprenant sera en mesure de:

  • 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.

Plan de estudios

Omitir Plan de estudios

Voici les contenus théoriques et pratiques de l’AA abordés dans chaque module:

  • Module 1 - Introduction à l’AA
  • Module 2 - Notions de base
  • Module 3 - Méthodes classiques supervisées : Préambule
    • Tutoriel de pratique Colab: Comparaison de différentes méthodes de régression
  • Module 4 - Méthodes classiques supervisées
    • Tutoriel de pratique Colab: Comparaison de différentes méthodes de classification
  • Module 5 - Méthodes classiques avancées
    • Tutoriel de pratique Colab: Exemples d’apprentissage profond
  • Module 6 - Méthodes d’apprentissage non supervisé
    • Tutoriel de pratique Colab 1: Exemple de regroupement des données en analyse exploratoire
    • Tutoriel de pratique Colab 2: Exemple de regroupement des données en analyse d’images
  • Module 7 - Mise en pratique dans l’industrie
    • Tutoriel de pratique Colab 1: Exemples de préparation des données
    • Tutoriel de pratique Colab 2: Sélection et optimisation d’un modèle optimal

Preguntas frecuentes

Omitir Preguntas frecuentes

Accompagnement technopédagogique

Tetyana Tsomko | Conseillère technopédagogique
Centre de pédagogie universitaire, Université de Montréal

Média

Vincent Richer | Concepteur en médiatisation

Centre de pédagogie universitaire, Université de Montréal

Membres de l'équipe pédagogique

Nabila Ouchene | Coordonnatrice
IVADO

Patrick Loic Foalem | Assistant scientifique
Polytechnique Montréal

Hanifa Barry | Assistante technique et scientifique
Université de Montréal

Soutien et contrôle de la qualité

Vincent Laberge | Conseiller technopédagogique
Support technopédagogique et évaluateur de contrôle de qualité | EDUlib
Centre de pédagogie universitaire | Université de Montréal

Natacha Brassard | Conseillère technopédagogique
Support technopédagogique et évaluatrice de contrôle de qualité | EDUlib
Centre de pédagogie universitaire | Université de Montréal

André Guay | Concepteur en médiatisation
Support technopédagogique et évaluateur de contrôle de qualité | EDUlib
Centre de pédagogie universitaire | Université de Montréal

¿Quién puede hacer este curso?

Lamentablemente, las personas residentes en uno o más de los siguientes países o regiones no podrán registrarse para este curso: Irán, Cuba y la región de Crimea en Ucrania. Si bien edX consiguió licencias de la Oficina de Control de Activos Extranjeros de los EE. UU. (U.S. Office of Foreign Assets Control, OFAC) para ofrecer nuestros cursos a personas en estos países y regiones, las licencias que hemos recibido no son lo suficientemente amplias como para permitirnos dictar este curso en todas las ubicaciones. edX lamenta profundamente que las sanciones estadounidenses impidan que ofrezcamos todos nuestros cursos a cualquier persona, sin importar dónde viva.

¿Te interesa este curso para tu negocio o equipo?

Capacita a tus empleados en los temas más solicitados con edX para Negocios.