Techniques d'IA : des fondements aux applications
- Duration: 6 weeks
- Effort: 35 hours
- Pace: ~5h45/week
L’intelligence artificielle est en pleine effervescence. Tous en discutent et veulent l’intégrer dans leurs divers projets. Pourtant, pour certains, l’IA reste mystérieuse et génère de nombreuses questions. Comment fonctionne l’IA? Quelles tâches l’IA peut-elle traiter pour nous? Quelles sont les conséquences de l’IA sur notre vie? Comment bien se préparer avant de lancer un projet en IA?

Description
Ce cours en ligne ouvert à grand public (CLOM ou MOOC) apporte des réponses à ces questions. Il se concentre sur un des volets clés de l’IA : l’apprentissage automatique supervisé. Le cours vise à enseigner des notions transversales et transférables à tous ceux et celles qui ont été exposés aux sciences dans une institution postsecondaire. L’objectif est de permettre à un grand nombre de personnes de comprendre comment l’IA fonctionne, de s’engager dans des conversations sur l’IA, d’apporter ses propres jugements sur la faisabilité, les apports et les conséquences de l’IA. Tout au long du cours, nous montrerons des applications des techniques de l’IA pour traiter différents problèmes pratiques en linguistique, psychoéducation, commerce électronique et médecine.
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. Le projet a été créé dans le cadre d'une collaboration spéciale avec le Collège de Maisonneuve, le Collège Jean-de- Brébeuf et le Collège de Bois-de-Boulogne.
Public cible
Ce cours s’adresse à trois types d’apprenants qui ont chacun un parcours typique et des buts respectifs :
- 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. - 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. - 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 %.
Course runs
FAS-AAA.1
- Enrollment
- From May 23, 2022 to June 1, 2023
- Course
- From June 17, 2022 to June 17, 2023
- Languages
- French
Course team
Nie, Jian-Yun
Professeur titulaire, Faculté des arts et des sciences, Département d'informatique et de recherche opérationnelle (DIRO)
Université de Montréal
Larochelle, Hugo
Chercheur scientifique, Google
Professeur associé, Département d'informatique et de recherche opérationnelle, Université de Montréal
Chaire en IA, Institut canadien en recherches avancées (CIFAR) Canada
Charlin, Laurent
Williams, Andrew
Experts invités

Esma Aïmeur, Ph. D.

Yoshua Bengio, Ph. D.

Patrick Drouin, Ph. D.

Soren Harnois-Leblanc,

Laurence Perreault-Levasseur, Ph. D.

Marc Lanovaz, Ph. D.

François Lareau, Ph. D.

Nanor Minoyan

Dominique Payette, LL. B., J.D., LL. M.

Jean-François Plante, Ph. D.

Dr Philippe Richebé, M.D., Ph. D.

Antoine Venant, Ph. D
Coordination du projet/ Expertise technopédagogique
Tetyana Tsomko | Conseillère technopédagogique Centre de pédagogie universitaire, Université de Montréal
Assistants scientifiques
Rui Ze MA, candidat à la maîtrise en informatique, Mila et Faculté des arts et des sciences (DIRO), Université de Montréal
Georges Parfait Djimefo Kapen, candidat au doctorat en génie informatique, Département de génie informatique et génie logiciel, Polytechnique Montréal
Médiatisation
Mélodie Averna | Coordinatrice de la médiatisation
Francis Brosseau | Concepteur en médiatisation
Félix Labbé Chabot | Concepteur en médiatisation
Vincent Richer | Concepteur en médiatisation Centre de pédagogie universitaire, Université de Montréal
Assurance qualité
Camille Briquet | Conseillère technopédagogique Centre de pédagogie universitaire, Université de Montréal
Vincent Laberge | Conseiller technopédagogique Centre de pédagogie universitaire, Université de Montréal
Révision linguistique
Gabrielle Deneault
Soutien financier
Nous souhaitons remercier le ministère de l’Éducation et de l’Enseignement supérieur pour le soutien financier.
License pour le cours
Les contenus de ce cours sont disponibles sous la licence Creative Commons CC BY-NC-SA