Intelligence artificielle – Apprentissage profond (deep learning)

Durée: 45 heures

Objectifs

Ce cours s’adresse aux passionnés de technologies de pointe. Le cours a pour but de donner aux étudiants la capacité de programmer des algorithmes d’apprentissage profond (« deep learning ») et de se familiariser avec les concepts logiques et mathématiques. Les librairies utilisées seront Keras et Scikit learn.  Il sera question de perceptron et de perceptron multicouche, d’algorithmes d’arbres de décision, de forêts aléatoires, de réseaux de neurones convolutionnels, récurrents, et à décharge. Il sera également question de parallélisation des calculs.  Le cours s’adresse à des programmeurs déjà familiarisés avec le langage Python et l’apprentissage machine. Le tout, dans un contexte applicable spécialement dans une entreprise et par un non-spécialiste de l’IA.

Contenu

Cours 1: Notions de base

  • Présentation de l’enseignant
  • Survol du plan de cours
  • Google drive et Colab
  • Apprentissage machine
  • IA Symbolique (Prezi)
  • Questions et discussions
  • Quiz
  • Révision facultative : Python

Cours 2: Le prétraitement des données

  • La librairie Pandas (Slide et Colab)
  • Encodage et normalisation (Slide et Colab)
  • Quiz

Cours 3: Les réseaux de neurones

  • Les neurones biologiques
  • Processus d’apprentissage profond
  • Le perceptron
  • Perceptron avec Scikit-learn (Colab)
  • Fonctions d’activation (Colab)
  • Descente de gradient (Stochastique, batch, mini-batch). (Colab)
  • Simulateur de neurones
  • Quiz
  • Révision facultative : Python

Cours 4: Le perceptron multicouche (MLP) 

  • Le perceptron (Colab)
  • MLP (Slide et Colab)
  • Simulateur de neurones
  • Quiz

Cours 5: RNA avec Keras

  • Keras
  • ANN – Configuration avec Keras
  • MLP avec Keras (Colab)
  • Évaluation des features DecisionTree et RandomForest. (Scikit-Learn)
  • Quiz

Cours 6: Logiciel « Orange »

  • Machine learning et Orange
  • Quiz

Cours 7: Élaboration d’un projet

  • Aucune nouvelle matière.
  • Démarrage du projet de session

Cours 8: Évaluation des performances

  • Les pièges du machine learning
  • Évaluation des performances
  • Éval. Des performances : Cross-validation (Colab)
  • Démo langage R et Science des données.
  • Quiz

Cours 9: Les Réseaux de neurones convolutionnels (CNN)

  • Les CNN.
  • Les CNN (vidéos)
  • CNN avec Keras
  • Quiz

 Cours 10: Les réseaux de neurones récurrents (RNN) et auto-encodeurs

  • Le principe de LTSM
  • Démo d’un RNN avec Keras.
  • Les auto-encodeurs
  • Les auto-encodeurs (Colab)
  • Quiz

Cours 11: Les réseaux de neurones à décharge

  • Les réseaux de neurones à décharge (SNN)
  • Les SNN (Colab)
  • ROS-SNN et Spike
  • Quiz

Cours 12: Réseaux Antagonistes Génératifs (GAN)

  • Les Réseaux Antagonistes Génératifs (GAN)
  • GAN (Colab)
  • Quiz

Cours 13: Théories IA complémentaires

  • Parallélisation des calculs
  • Conférence « IA dans votre entreprise ».
  • Présentation AI2
  • Présentation de publications.
  • Quiz

Cours 14: Travail sur les projets

  • Aucune nouvelle matière
  • Suite du projet personnel et questions

Cours 15: Présentations des projets

  • Présentations des projets
Public cible

Toutes personne ayant suivi le cours d’initiation au langage Python

Méthodes d'enseignement

.Présentations magistrales des sujets par l’enseignant. Aucune programmation n’est requise

Conditions d'admission

Être minimalement de niveau avancé en programmation.  Python un atout, mais il y aura une mise à jour à la fin des 2 premiers cours.  Le cours « Python et IA » et « Apprentissage machine » sont une excellente préparation.

Le démarrage des cours à la carte (et non les formations offertes exclusivement en entreprise) est conditionnel à un nombre suffisant d’inscriptions. Les dates peuvent varier. Vous serez avisé des changements s’il y a lieu. Certaines conditions s’appliquent pour les formations de courte durée financées par Services Québec.

NOUVELLE FORMATION

INSCRIPTION

Un groupe sera planifié sous peu, nous vous invitons à vous inscrire sur la liste d'intérêt pour obtenir l'information lorsque la formation sera disponible.

S'inscrire à la liste d'intérêt

Pour information :

Service à la clientèle
819 378-4911, option 2
services.entreprises@cegeptr.qc.ca

Cette formation est offerte à un taux horaire de 5 $ grâce à la contribution financière de Services Québec. Pour bénéficier de ce tarif, les personnes doivent résider ou travailler en Mauricie en plus de répondre à l’un ou l’autre des critères suivants :

  • Être en emploi ou travailleur autonome à raison de plus de 20 heures hebdomadaires et s’inscrire à un cours en lien avec l’emploi actuel ou qui permet d’élargir son champ de compétences;
  • Être travailleur saisonnier en arrêt de travail, mais ayant maintenu un lien d’emploi.

Situations particulières:

  • Les personnes sans emploi référées à la suite d’une évaluation et d’une recommandation d’un agent d’aide à l’emploi de Services Québec.

Les personnes suivantes peuvent s’inscrire, mais devront débourser le coût réel du cours :


  • Les travailleurs et travailleuses provenant des secteurs publics et parapublics (ministères fédéral et provincial, réseau de la santé et des services sociaux, les sociétés d’État et de l’éducation).
  • Les administrations municipales (villes, municipalités, MRC, sociétés de développement économique, sociétés de transport, corporation culturelle, etc.);
  • Les organismes parapublics provinciaux et fédéraux (Investissement-Québec, Hydro-Québec, Salon de jeux, SEPAQ, Parc Canada, etc.);
  • Les établissements de formation privés et publics (centres de services scolaires, écoles, collèges, universités, etc.);
  • Les CIUSSS, CISSS, GMF et autres organismes relevant du réseau de la santé et des services sociaux;
  • Les travailleurs et travailleuses provenant d’une entreprise ou d’un organisme dont les activités pourraient porter à controverse et avec lesquelles le ministère ne peut être associé (ex : caractère religieux, production de cannabis à des fins récréatives, débit de boisson, etc.);
  • Les personnes ayant un statut d’étudiant.

  • Fermer la fenêtre