Spécialisation technique en intelligence artificielle - Entièrement en ligne

Ce cours permet à l’étudiant d’acquérir une vision d’ensemble de ce qu’est l’intelligence artificielle et de comprendre les moyens de réalisation dans ce domaine. On y aborde toute l’information requise pour que les éléments fondamentaux de l’IA soient clarifiés dès le début de la formation.

Ainsi, à la fin du cours, l’étudiant sera en mesure de situer tous les cours du programme de formation (et les notions qui y réfèrent) les uns par rapport aux autres, lesquels sont structurés selon le processus séquentiel de développement d’un projet en IA, et il sera capable de mettre en perspective les notions importantes de l’intelligence artificielle qui seront abordées graduellement, au fur et à mesure de l’avancement du programme.

Ce cours permet à l'étudiant d'aborder l'étape de préparation et de traitement des données par la mise en en place d’un processus de cueillette et de stockage des données. Cette étape est nécessaire à certaines activités prévues dans d’autres cours du programme dont l’analyse exploratoire des données ainsi que la transformation des données qui arrive en deuxième session.

Ce cours a une incidence importante sur la suite du programme puisque la qualité de la réalisation de la collecte des données influencera significativement le résultat de toute solution d’IA développée dans le cadre du programme.

Durant ce cours, l'étudiant met en pratique ses connaissances en informatique afin de réaliser l'installation complète d'un environnement optimal pour la solution d'IA à appliquer.

Il apprend d'abord à bien interpréter les besoins matériels de divers projets pour ensuite se consacrer aux composantes, tant matérielles que logicielles et leurs configurations respectives, sans oublier les technologies de virtualisation modernes. Une attention particulière est accordée à l'aspect pratique de la mise en place jusqu'à la validation du fonctionnement de l'écosystème. Enfin, l’étudiant est appelé à veiller au maintien de l’infrastructure mise en place.

Ce cours comporte des éléments de théorie, des démonstrations et des exercices destinés à transmettre les compétences de base permettant de comprendre les technologies nécessaires à la mise en place d’une solution d’apprentissage supervisé incluant les éléments suivants : environnements de développement adaptés, modèles et algorithmes de régression et de classification, choix d’un modèle d’apprentissage approprié et enjeux futurs associés.

Le cours est construit autour de séances théoriques et d’ateliers traitant de plusieurs problématiques d’apprentissage supervisé dans le cadre de domaines d’applications réels. Les étudiants devront, au préalable, mettre en place un environnement logiciel adéquat.

Ce cours permet aux étudiants d’acquérir les compétences nécessaires pour réaliser l’exploration d’un jeu de données, ce qui est une phase préparatoire essentielle pour être ensuite capable d’appliquer une approche d’apprentissage automatique. Il leur permet ainsi de bien comprendre le jeu de données en appliquant différentes mesures et métriques statistiques pour l’exploration des données et d’élaborer des graphiques appropriés selon les différentes catégories de données utilisées.

Ainsi, à la fin du cours, l’étudiant sera en mesure d’effectuer de l’analyse exploratoire de données incluant les éléments suivants : identification des objectifs de l’analyse, définition des concepts et du processus liés à l’exploration de données, inspection des jeux de données à utiliser en IA, évaluation de la qualité des données, reconnaissance des différentes mesures et métriques pertinentes, identification des représentations graphiques adéquates et interprétation des résultats obtenus.

Ce cours permet d'aborder l'étape de transformation et de manipulation des données par la mise en place d’un processus complet de transformation adapté au contexte du développement des applications d’IA. Vous y apprendrez à effectuer les opérations de sécurisation, d’anonymisation, de transformation et de manipulation de différentes structures de données ainsi que l’utilisation des extracteurs de caractéristiques de données, le croisement des données propriétaires et non-propriétaires et l’automatisation de la chaine d’extraction et de transformation des données (pipeline).

Ces étapes sont nécessaires à certaines activités prévues dans d’autres cours du programme consacrés au développement et l’application d’algorithmes d’apprentissage.

Ce cours comporte des séances magistrales, des démonstrations et des travaux pratiques pour acquérir les compétences de base permettant de comprendre les technologies nécessaires à la mise en place d’une solution d’apprentissage non supervisé. Plus précisément, vous y apprendrez le mode de fonctionnement et d’application des modèles et algorithmes d’apprentissage non supervisé incluant le choix des modèles adaptés aux besoins et les enjeux futurs qui y sont associés.

De nombreux exercices et ateliers adressant les problématiques d’apprentissage non supervisé dans le cadre de cas réels permettront la mise en application des notions acquises. Le niveau de difficulté de ces travaux sera approprié aux objectifs du programme et les étudiants devront, au préalable, mettre en place un environnement adéquat.

Ce cours comporte des cours magistraux, des démonstrations et des exercices dirigés pour acquérir les compétences de base permettant de comprendre les technologies nécessaires à la mise en place d’une solution d’apprentissage par renforcement. Vous y apprendre à décrire la nature et les caractéristiques de ce type d’apprentissage ainsi que ces différents modes de fonctionnement dans des environnements statiques et dynamiques. Vous apprendrez également à sélectionner adéquatement ce type d’algorithme selon les besoins en jeu.

De nombreux exercices et travaux pratiques adressant les problématiques d’apprentissage par renforcement dans le cadre de cas réels permettront la mise en application des notions acquises. Le niveau de difficulté de ces travaux sera approprié aux objectifs du programme et les étudiants devront, au préalable, mettre en place un environnement adéquat.

Ce cours comporte des exposés magistraux, des démonstrations et des exercices dirigés pour acquérir les compétences de base permettant de comprendre les technologies nécessaires à la mise en place d’une solution d’apprentissage profond.

Plus précisément, l’étudiant y apprendra les connaissances et habiletés suivantes : description de l’apprentissage profond, de ses composantes et de ses environnements de développement, émergence de l’apprentissage profond à partir de modèles statistiques, contextes et architectures appropriés pour l’application de ce type de modèle.

Le cours sera construit autour de projets intégrateurs adressant une problématique d’apprentissage profond dans le cadre de domaines d’applications réels. Les étudiants devront, au préalable, mettre en place un environnement adéquat.

Ce cours vise à développer, chez l'étudiant, la capacité à déployer et/ou guider le déploiement d'une solution d'IA dans un environnement de production.

Cet environnement est souvent un système critique à une organisation. L'étudiant sera donc amené à valider la solution avant et pendant son implémentation afin de s'assurer de ne pas impacter négativement le reste du système. Le but étant de permettre une intégration réussie de l'intelligence artificielle dans un processus d'affaires.

Ce cours vous permet de développer des habiletés et les aptitudes nécessaires pour interagir dans un milieu professionnel de même que celles requises dans la recherche d’emploi et l’intégration d’un milieu de travail. Ainsi, l’étudiant sera notamment en mesure d’intégrer un milieu professionnel dans le domaine de l’IA.

Il vous permettra également de développer les habiletés et compétences requises afin d’identifier un enjeu éthique propre au domaine de l’IA. Vous serez ainsi en mesure d’appliquer différentes approches éthiques et d’identifier les normes applicables à des enjeux spécifiques au domaine de l’IA, et ce, de manière à maintenir un comportement professionnel et éthique en milieu de travail.

Ce cours, réalisé en parallèle avec le suivant (420-A63-SF) est directement lié au stage en IA. Il a pour objectif de permettre à l’étudiant de mettre en application l’ensemble des compétences acquises durant sa formation grâce à la mise en place d’une solution IA pour un besoin réel. L’étudiant sera ainsi placé en immersion complète dans une organisation ayant répondu aux critères d’acceptation d’un stage pertinent. Selon le contexte de l’organisation, il participera activement aux différentes étapes de réalisation d’un projet d’IA en milieu de travail : analyse du besoin, conception de la solution, configuration de l’environnement de développement, implémentation des composantes, assurance qualité et sécurité de la solution et déploiement en production.

Ce cours, réalisé en parallèle avec le précédent (420-A62-SF) est directement lié au stage en IA. Il a pour objectif de permettre à l’étudiant de mettre en application l’ensemble des compétences acquises durant sa formation grâce à la mise en place d’une solution IA pour un besoin réel. L’étudiant sera ainsi placé en immersion complète dans une organisation ayant répondu aux critères d’acceptation d’un stage pertinent. Selon le contexte de l’organisation, il participera activement aux différentes étapes de réalisation d’un projet d’IA en milieu de travail : analyse du besoin, conception de la solution, configuration de l’environnement de développement, implémentation des composantes, assurance qualité et sécurité de la solution et déploiement en production