seperator
Collège de Bois-de-Boulogne - Formation continue
seperator
INFO49 - Deep Learning et intelligence artificielle 





Liste d'attente


INFO49 - Deep Learning et intelligence artificielle
(INFO49)


Durée: 30 heures

Attention : ce cours est financé par Emploi-Québec de l'Île-de-Montréal et est réservé en priorité aux personnes en emploi dans une entreprise privée ou aux travailleurs autonomes. Les personnes sans emploi sont aussi admissibles sous certaines conditions. Veuillez consulter les conditions d’admission.


Objectif général

Acquérir les notions de base en intelligence artificielle et plus spécifiquement les approches d’apprentissage profond (Deep Learning) et les outils associés. À la fin de ce cours, les étudiants seront capables de mettre en place un système d’intelligence artificielle selon un besoin exprimé à l’aide de langages et d’outils appropriés.

Objectifs spécifiques

• Décrire et exécuter le processus d’intelligence artificielle en utilisant le Deep Learning
• Appliquer des techniques de classification à l’aide les réseaux de neurones
• Appliquer des techniques de traitement naturelle du langage (NLP)
• Utiliser les outils de Deep Learning tel que Keras, TenserFlow, Pytorch


Contenu

1. Apprentissage Machine & Apprentissage profond
- Révision de l'apprentissage machine
- Introduction à l'apprentissage profond
- Domaines d'utilisation
- Types de réseaux de neurones ( fully connected, CNN, RNN, auto-encodeurs,…)
- Environnement python pour l'apprentissage profond – tensorflow

2. Réseau de neurones
- Réseau de neurones formel
- Foncions d’activation ( ReLu, sigmoide, softmax,…)
- Apprentissage
- Normalisation
- Optimisation
- Fonction de perte
- Apprentissage par Rétropropagation du gradient
- Techniques de régularisation
- Implémentation d’un réseau de neurones en utilisant Tensorflow

3. Réseau de neurones profond
- Paramètres
- Caractéristiques
- Fonction de perte
- Algorithmes d’optimisation
- Implémentation d’un réseau de neurones profond en utilisant l'API Estimator

4. Réseau CNN
- Description du CNN
- Couche(s) de convolution
- Couche(s) de sous échantillonnage
- Couche d aplatissement
- Couche(s) de réseaux complètement connectés
- Cas d’utilisation
- Implémentation d’un CNN avec keras

5. Réseau RNN
- Description du RNN
- Description d’un neurone récurrent
- Vanishing and exploding gradient
- LSTM
- Cas d’utilisation
- Implémentation d’un RNN avec LSTM en utilisant pytorch

6. Réseau de Boltzmann
- Description
- Cas d’utilisation

7. Auto-encodeur
- Description
- Encodeur I décodeur
- Types d’auto-encodeurs ( debruiteur, contraceptif , empile,…
- Cas d’utilisation
- Implémentation de la PCA avec un auto-encodeur en utilisant l’API Layers

8. Techniques d’optimisation du réseau profond
- Nombre de couches et de paramètres
- Initialisation des poids
- Choix de la fonction d’activation
- Taux d’apprentissage
- Parallélisme et GPU
- Epoches et mini-lots
- Régularisation


Public visé

• Programmeurs et développeurs
• Ingénieurs informaticiens
• Analystes et consultants en informatique
• Statisticiens


Pré requis

Connaissances de base en programmation et mathématiques de base.
Avoir suivi un cours d’initiation à la science des données


CONDITIONS D’ADMISSIBILITÉ :

Les clientèles suivantes SONT admissibles :

1. Travailleurs en emploi et travailleurs autonomes :

• Les activités de formation à temps partiel visent EN PRIORITÉ les travailleurs en emploi au sein d’une entreprise privée et les travailleurs autonomes.
• La formation demandée DOIT être en lien avec l’emploi ou le domaine d’études du participant.

2. Personnes sans emploi :

• Une personne sans emploi se définit comme une personne qui est près du marché du travail et dont le potentiel d’employabilité est élevé. Elle est apte à effectuer un retour en emploi rapidement.
• Pour les personnes sans emploi, la formation DOIT être en lien avec leur domaine d’études ou leur expérience professionnelle. Elles doivent OBLIGATOIREMENT résider sur l’île de Montréal pour être admissibles.

Les clientèles suivantes SONT EXCLUES de l’offre de cours de perfectionnement à temps partiel :

• Les employés des villes et municipalités
• Les travailleurs des secteurs public et parapublic ainsi que des entreprises d’État
• Les étudiants, même s’ils travaillent à temps partiel
• Les personnes sans emploi qui ne résident pas sur l’île de Montréal
• Les personnes en réorientation de carrière ou simplement intéressées par un cours à des fins personnelles
• Les travailleurs autonomes participant au programme Jeunes volontaires
• Les prestataires de la CNESST ou de la SAAQ

À NOTER : dans un souci d’équité envers l’ensemble des participants, certaines règles ont été établies :

• Un participant ne peut pas s’inscrire à plus de deux cours offerts simultanément;
• Pour les travailleurs en emploi, le nombre de travailleurs provenant d’une même entreprise est limité à un maximum de trois par cours offert


Retour