Formation en salle Formation en salle

Introduction au Machine Learning et Deep Machine Learning

Rabais
membre
13%
Date : Mars 17, 2020; 08:00 à Mars 18, 2020; 16:00
Durée : 2 jours (15,0)
Lieu : CRIM - 405, avenue Ogilvy, bureau 101 Montréal (Québec) H3N 1M3
Langue : Français
Crédits : 1,5 UEC
Formateur : Nicolas Garneau,
Prix : 1290,00 $ Membres
1475,00 $ Non-membres

Résumé

L'objectif de ce cours est de fournir un survol de l'état de l'art dans l'industrie de l'intelligence artificielle et du deep machine learning afin de mieux comprendre les possibilités ainsi que les limitations de ces technologies dans une optique d'application de ces technologies.

La formation vise également à donner une bonne intuition sur le fonctionnement de divers algorithmes de Machine Learning et Deep Machine Learning. Ainsi, après la formation, le participant sera en mesure de comprendre les éléments essentiels d'un projet en intelligence artificielle et de poursuivre de manière plus éclairée ses propres projets.

Nos tarifs incluent un petit déjeuner continental ainsi que le repas du midi.

Admissibilité de la formation : les formations de Genium360 vous permettent de développer et d’approfondir vos compétences conformément aux articles 5 et 6 du Règlement sur la formation obligatoire des ingénieurs.

Contenu

Jour 1 - Introduction au Machine Learning
  • 30min - Exemple et cas d’utilisation d’utilisation de machine learning
  • 30min - Un survol des plus influentes familles d’algorithmes utilisées en machine learning
    • Probabilistic Graphical Models
    • Support Vector Machine
    • Decision Trees
    • Random Forests
    • K Means Clustering
    • Linear regression
    • Logistic regression
    • Deep Machine Learning
  • 30min - Entraînement supervisé et non-supervisé 
  • 60min - L’importance de la données
    • Entraînement supervisé
    • Introduction au data science
    • Préparer les données
  • 60min - Introduction Probabilistic Graphical Models
  • 60min - Introduction Support Vector Machine
  • 60min - Introduction Random Forests
  • 30min - Introduction K Mean Clustering
  • 30min - Introduction Linear regression
  • 30min - Introduction Logistic regression
Jour 2 - Introduction au Deep Machine Learning 
  • 60min - Les étapes d’un projet AI en entreprise
    • Prospection des données
    • Collecte et transformation
    • Analyze et visualization
    • Développement de modèles de machine learning
    • Validation des modèles
    • Déploiement en production
  • 30min - Une approche pragmatique à l’AIs
    • Intégration de l’AI dans vos solutions digitales
  • 30min - Une approche probabiliste
    • Comprendre les implications des résultats produits par l’AI
    • Mesurer la performance humaine
    • Déterminer un niveau de précision acceptable pour l’AI
  • 30min - Percevoir le monde et aide à la prise de décision et automatisation
    • Système de vision : Deep Machine Learning avec réseau de Convolution
    • Traitement du langage : Réseau récurrent
  • 90min - Comprendre le fonctionnement d’un réseau de neurone
    • Organisation du réseau
    • Entraînement du réseau
    • Exploitation du réseau
    • Limitations
  • 45min - Comprendre le fonctionnement d’un réseau de type Convolution
    • Organisation du réseau
    • Entraînement du réseau
    • Exploitation du réseau
    • Limitations
  • 45min - Comprendre le fonctionnement d’un réseau récurrent
    • Organisation du réseau
    • Entraînement du réseau
    • Exploitation du réseau
    • Limitations
  • 90min - Exploitation d’un système d’intelligence artificielle en production
    • Besoins computationnels
    • Environments cloud
    • Considération de sécurité

Formateur

Nicolas Garneau Nicolas Garneau

AI Scientist chez Vooban et candidat au Doctorat en Informatique à l'Université Laval, Nicolas cumule plusieurs années d'expérience en développement logiciel et analyse de données. Il se spécialise en traitement automatique de la langue naturelle en utilisant des méthodes d'apprentissage par réseaux de neurones profonds et chapeaute le développement d'applications au sein de l'équipe d'AI chez Vooban.