Public cible

Ce cours s’adresse à trois types d’apprenants qui ont chacun un parcours typique et des buts respectifs :

1. Population générale voulant apprendre les principes de base de l’IA.
   - Identifier les principes généraux de l’apprentissage automatique;
   - Contraster ses capacités et ses limites;
   - Articuler des opinions sur des nouvelles et des événements en IA.
2. Étudiants inscrits au collège ou à l'université qui veulent apprendre le fonctionnement théorique et pratique de l’IA.
   - Reconnaître les algorithmes typiques utilisés en apprentissage automatique supervisé;
   - Paraphraser comment les concepts mathématiques sont utilisés dans la théorie de l’apprentissage supervisé;
           - Les vecteurs et matrices
           - Les probabilités et statistiques
           - Les fonctions
           - Les coefficients et paramètres
           - Les dérivées
           - L’optimisation
   - Compléter des programmes simples en utilisant des bibliothèques de programmation existantes.
3. Personnes dans l’industrie qui peuvent être appelées à lancer et gérer un projet en IA.
   - Déduire si l’IA est appropriée pour une tâche ou une application industrielle;
   - Formuler des attentes réalistes;
   - Se questionner sur les conditions pour que le projet soit un succès et, pour ce faire, les préparatifs nécessaires.

Le cours en ligne comprend le tronc commun pour le grand public averti, soit environ 25 heures de contenu. De plus, le parcours pour les étudiants des collèges et universités ajoute 15 heures de mathématiques et de programmation. Enfin, les apprenants qui travaillent dans l'industrie auront 5 heures de contenu complémentaire pour les aider à faciliter la transformation numérique dans leur entreprise.

Syllabus

Le cours contient six (6) modules qui portent sur différents aspects de l’apprentissage automatique. Chacun contient des exemples et une évaluation sommative.

Module 1 : Introduction générale sur l’apprentissage automatique

• Principes de base
• Concepts généraux
• L'aperçu des applications et des intervenants
• Tutoriel. L'apprentissage supervisé : un cadre général basé sur scikit-learn

Module 2 : Préparation des données

• Les types de données
• Concepts en extraction de caractéristiques

Module 3 : Algorithmes de base en apprentissage automatique

• Les arbres de décision
• La classification bayésienne naïve
• Les machines à vecteurs de support (SVM)

Module 4 : Apprentissage automatique avec des réseaux de neurones

• Structure de base d’un réseau de neurones
• Principe d’apprentissage par un réseau de neurones
• Caractéristiques des réseaux de neurones

Module 5 : Apprentissage profond Principes des réseaux profonds

• Principes de l'apprentissage profond
• Architectures principales de l'apprentissage profond
• Caractéristiques des réseaux de neurones profonds

Module 6 : Déploiement et avenir de l’IA

• Synthèse sur les algorithmes d’apprentissage automatique et leur évolution
• Introduction sur l'IA en entreprise
• Processus de création de valeur en entreprise avec l'IA
• La stratégie en entreprise sur le succès des projets IA
• Prérequis de projets en entreprise

Le cours est présenté par une équipe de spécialistes en IA : des professeurs universitaires en IA, des chercheurs dans l’industrie, des spécialistes dans des domaines d’application et des assistants d’enseignement en IA et en pédagogie.

Attestation

Ce cours qui représente plus de 25 heures de contenu (il peut toutefois durer jusqu'à 45 heures selon le parcours que vous choisissez) est offert gratuitement. Cependant, si vous souhaitez recevoir une attestation de réussite, vous devrez réussir toutes les évaluations avec une note minimale de 70 %.