Skip to main content
catalogue.edulib.org
  • Courses
  • Organizations
  • Series
  • You are here:
  • Home
  • Courses
  • Les coulisses des systèmes de recommandation

Les coulisses des systèmes de recommandation

Ref. RECM1FR
CategoryedXCategoryArtificial and numeric intelligenceCategoryPaid Certificate
  • Duration: 6 weeks
  • Effort: 30 hours
  • Pace: Self paced

Comment les articles sont-ils recommandés lorsque vous recherchez des films, des emplois ou des vêtements en ligne? Découvrez les concepts et méthodes fondamentaux permettant de suggérer les articles les plus pertinents aux utilisateurs, du commerce électronique à la publicité en ligne.

Share on FacebookShare on TwitterShare on LinkedinShare by Email

IVADO-RECM1FR+2T2025

Enrollment
From May 1, 2025 to April 30, 2026
Course
From May 1, 2025 to April 30, 2026
Languages
French
Enroll now

Description

Dans ce cours, vous explorerez et apprendrez les meilleures méthodes et pratiques des systèmes de recommandation, qui sont une composante essentielle de l’écosystème digital. Ce cours a été développé par IVADO et HEC Montréal dans le cadre d’un atelier qui a eu lieu à Montréal. Vous serez accompagné.e tout au long du processus par sept experts internationaux du milieu universitaire et de l’industrie qui vous fourniront des exemples concrets. 

Les systèmes de recommandation sont des algorithmes qui trouvent des tendances dans le comportement des utilisateurs pour améliorer les expériences personnalisées et comprendre leur environnement. Ils sont omniprésents et sont le plus souvent utilisés pour recommander des items aux utilisateurs, notamment des livres et des films, mais aussi des amis potentiels, des recettes de cuisine ou même de la documentation pertinente pour de grands projets de logiciels, ou des articles intéressant les scientifiques.

Le contenu de ce MOOC est une introduction au domaine des systèmes de recommandation. Le programme comprend : l’apprentissage automatique pour les systèmes de recommandation, suivi d’une introduction aux méthodes d’évaluation; la modélisation avancée; les bandits contextuels; les méthodes de classement; l’équité et la discrimination dans les systèmes de recommandation. 

Le cours s’adresse principalement aux professionnel.le.s du secteur et aux étudiant.e.s universitaires ayant des connaissances de base (première année de baccalauréat) en mathématiques et en programmation (idéalement Python). Les diplômé.e.s en sciences et en ingénierie (principalement celles et ceux qui ne sont pas encore familiers avec l’apprentissage automatique et les systèmes de recommandation) trouveront ce contenu instructif et intéressant. Le contenu de ce cours sera également d’une grande utilité pour toute personne qui s’intéresse à l’IA ou qui l’utilise, de quelque manière que ce soit.

Nous estimons qu’il faut 6 semaines pour compléter ce cours. Le cours est divisé en segments que vous pourrez visionner à votre propre rythme. Afin d’évaluer votre compréhension du contenu, des questionnaires complets seront proposés à la fin de chaque segment. Vous pourrez également pratiquer les algorithmes des systèmes de recommandation grâce à un tutoriel guidé par un expert. De plus, un deuxième module de pratique individuelle sera offert aux participant.e.s qui s’inscrivent au cours avec le certificat vérifié. 

Nous vous souhaitons la bienvenue dans ce parcours d’apprentissage de Systèmes de recommandation : Derrière l’écran!

Ce cours vous est présenté par IVADO, HEC Montréal et l’Université de Montréal.

IVADO est un institut collaboratif québécois dans le domaine de l’intelligence numérique.

HEC Montréal est une université francophone de renommée internationale qui offre des formations et des programmes de recherche dans le domaine de la gestion. 

L’Université de Montréal est l’une des principales universités de recherche au monde.

    Ce que vous allez apprendre

    À la fin du MOOC, les participant devraient être en mesure de :

    • Comprendre les bases des systèmes de recommandation, y compris leur terminologie ;
    • Identifier les types de problèmes et les méthodes des systèmes de recommandation pour les résoudre ;
    • Appliquer la méthodologie de réalisation d'un projet en systèmes de recommandation ;
    • Utiliser les algorithmes des systèmes de recommandation à travers des sessions pratiques et des tutoriels.

    Syllabus

    MODULE 1 Apprentissage automatique pour les systèmes de recommandation

    • Modèles basés sur le score
    • Aspects pratiques

    MODULE TUTORIEL : Factorisation matricielle

    MODULE 2 Évaluations pour les systèmes de recommandation

    • Évaluation hors ligne (par lots)
    • Évaluation en ligne (production)

    MODULE 3 Modélisation avancée

    • Extension des modèles de base
    • Perspective de données manquantes

    MODULE DE PRATIQUE PERSONNELLE : Auto-encodeurs

    • Ce module est évalué, il est donc réservé aux participants qui s’inscrivent au cours avec attestation

    MODULE 4 Bandits contextuels

    • Introduction aux bandits
    • Tout mettre ensemble

    MODULE 5 Apprentissage d'ordonnancement

    • Apprentissage d'ordonnancement avec les réseaux de neurones
    • Apprentissage d'ordonnancement avec les réseaux de neurones profonds

    MODULE 6 Équité et discrimination dans les systèmes de recommandation

    • Équité algorithmique
    • Équité en recherche de l’information

    Prérequis

    Connaissances de base en programmation (idéalement en Python) et connaissances de base (première année de baccalauréat) en mathématiques (algèbre linéaire et statistiques)

    Attestation de réussite

    Vous pouvez acheter le droit à une attestation de réussite en mettant votre compte à niveau (le mode vérifié).

    Les évaluations sommatives sont uniquement disponibles aux participants inscrits au cours avec attestation.

    À la fin du cours, les participants et participantes qui auront obtenu la note de passage de 70 % pourront télécharger une attestation de réussite du cours sur le site EDUlib, moyennant des frais de 110 CAD. 

    Other course runs

    Archived

    • H2023, enrollment from Jan. 16, 2023 to Jan. 15, 2024
    • IVADO-RECM1FR+2T2024, enrollment from May 1, 2024 to April 30, 2025

    Course team

    Charlin, Laurent

    Categories

    Ph.D., Assistant Professor, Department of Decision Sciences, HEC Montreal

    Diaz, Fernando

    Categories

    Ph.D., Research Scientist at Google
    Member of Mila – Quebec Artificial Intelligence Institute

    Ekstrand, Michael

    Categories

    Ph.D., Assistant Professor, Department of Computer Science, Boise State University

    Jambor, Dora

    Categories

    Graduate student, Computer Science, McGill University, 
    Researcher at Mila, the Quebec Artificial Intelligence Institute

    Liang, Dawen

    Categories

    Ph.D., Senior Research Scientist at Netflix

    McInerney, James

    Categories

    Ph.D., Senior Research Scientist at Netflix

    Mitra, Bhaskar

    Categories

    Ph.D., Principal Applied Scientist at Microsoft

    Assistants scientifiques et techniques

    David BERGER, candidat au doctorat 

    Assistant scientifique, IVADO

    Étudiant, Département d'informatique et de recherche opérationnelle (DIRO), Université de Montréal 

    Inés MORENO BOLDUA, BSc. 

    Technicienne audiovisuel, IVADO

    Étudiante, Université McGill   

    Amir RAZA, M.Sc.

    Assistant scientifique, IVADO 

    Étudiant en maîtrise de recherche, MILA , Université de Montréal

    Coordination scientifique et de projets

    Nathalie SANON, Ph.D.

    Chef du programme de formation, IVADO

    Nabila OUCHENE, M.Sc.

    Coordinatrice du programme de formation en ligne, IVADO 

    Robert GÉRIN-LAJOIE, M. Sc. Ift

    Conseiller spécial, Centre de Pédagogie Universitaire, Université de Montréal

    Conception pédagogique

    Tetyana TSOMKO

    Conseillère technopédagogique, Centre de Pédagogie Universitaire, Université de Montréal

    Médiatisation

    Cédric JOYAL

    Concepteur en médiatisation, Centre de Pédagogie Universitaire, Université de Montréal

    Soutien et contrôle de la qualité

    Vincent LABERGE

    Conseiller technopédagogique et évaluateur du contrôle de la qualité, EDUlib, Centre de pédagogie universitaire, Université de Montréal

    Natacha BRASSARD

    Conseillère technopédagogique et évaluatrice du contrôle de la qualité, EDUlib, Centre de pédagogie universitaire, Université de Montréal



    Licence

    Tous les contenus de ce cours sont sous la licence Creative Commons « CC BY-NC-ND ». 

    Creative Commons License CC BY-NC-ND

    Organizations

    IVADO

    Université de Montréal

    Mila

    catalogue.edulib.org
    FacebookTwitter pageLinkedin page

    Learn more

    • About
    • Sitemap
    • Contact

    2025 © EDUlib All Rights Reserved.

    Powered by Richie & open edX