Skip to main contentSkip to Xpert Chatbot

UMontrealX: Apprivoiser l’apprentissage automatique

J’entends et j’oublie,
Je vois et je me souviens,
Je fais et je comprends.

Quelle belle citation de Confucius pour expliquer qu’on apprend mieux en pratiquant un nouveau concept qu’en lisant simplement à son sujet. S’adressant principalement aux professionnels, ainsi qu’à tout apprenant ayant un intérêt pour l’apprentissage automatique (AA), ce MOOC vous permettra d’acquérir les connaissances de base en AA, d’expliquer son fonctionnement et de vous pratiquer à l’aide de tutoriels en Python.

7 weeks
2–3 hours per week
Self-paced
Progress at your own speed
Free
Optional upgrade available

There is one session available:

After a course session ends, it will be archivedOpens in a new tab.
Starts Nov 4

About this course

Skip About this course

L’objectif principal du MOOC Apprivoiser l'Apprentissage Automatique est de vous présenter les concepts importants de manière simplifiée, puis de les pratiquer à l’aide de 7 tutoriels en Python sur l’application en ligne Colab accessible gratuitement. Le niveau théorique est ajusté pour mettre l’emphase sur les principes des méthodes présentées et illustrées avec des exemples concrets. Il y a peu de démonstrations mathématiques avancées.

Pourquoi suivre ce MOOC en Apprentissage Automatique (AA)?

  • L’AA fera son arrivée prochainement dans votre organisation et vous souhaitez être prêt.
  • Vous l'utilisez depuis un moment déjà et vous souhaitez vous tenir à jour.
  • Vous pensez à une réorientation de carrière et vous voulez tester votre intérêt.
  • Vous envisagez de mener votre entreprise vers l’adoption de l’intelligence artificielle (IA).
  • On vous a proposé de créer un groupe ou projet en IA et vous aimeriez en apprendre assez sur le sujet pour gérer celui-ci et recruter du personnel qualifié.
  • Vous avez tout simplement un intérêt pour l’AA et l’IA et souhaitez en apprendre davantage.

Vous serez initié à toutes les étapes à effectuer lors d’un projet en AA. Vous voulez prédire la pression à l’intérieur d’une turbine en fonction des données de multiples senseurs? C’est de la régression! Vous voulez prédire si un patient est atteint ou non de diabète en fonction des résultats d’un examen médical? C’est de la classification! Vous voulez regrouper les clients en différents segments? C’est du regroupement de données! Il y a de nombreuses applications dans une multitude de domaines.

Pour bien appliquer l’AA dans un projet, il faut d’abord comprendre l’importance des données, comment les nettoyer afin de les mettre en valeur, puis quelle méthode en AA permettrait d’extraire la bonne information.

Le cours est divisé en sept modules que vous pourrez suivre à votre rythme. Vous pourrez tester votre compréhension avec de la rétroaction au moyen d’un questionnaire dans chaque module.

Ce MOOC résulte d’une collaboration entre l’Institut de valorisation des données (IVADO) de l’Université de Montréal, l’Institut intelligence et données (IID) de l’Université Laval, à Québec, et Mila - Institut québécois d’intelligence artificielle.

Le contenu a été développé par des professeurs, scientifiques des données, des informaticiens et ingénieurs ayant de l’expérience en R et D académique et industrielle.

Dans ce MOOC, le genre masculin est utilisé comme générique, dans le seul but de ne pas alourdir le texte.

Course created with support from

IVADOIIDMila

At a glance

  • Institution: UMontrealX
  • Subject: Computer Science
  • Level: Intermediate
  • Prerequisites:

    Prérequis:

    • Connaissance de base de l'algèbre linéaire et du calcul différentiel.
    • Connaissance de base en programmation Python.
  • Language: Français
  • Video Transcript: Français

What you'll learn

Skip What you'll learn

Au terme de cette formation en ligne, l’apprenant sera en mesure de:

  • Définir les notions fondamentales de l'apprentissage automatique telles que sous/sur-apprentissage, validation, optimisation.
  • Identifier le type d'un problème d'apprentissage automatique donné (Ex., supervisé / non-supervisé).
  • Expliquer le fonctionnement et les mécanismes de l’apprentissage automatique.
  • Identifier les besoins en données pour la réalisation d’un projet en AA.
  • Utiliser l’application Colab pour écrire et exécuter du code Python.
  • Analyser les courbes de performances en entraînement et en validation d’un algorithme d'apprentissage afin d’établir un diagnostic sur le choix des hyperparamètres, de la technique d’optimisation et des données.

Voici les contenus théoriques et pratiques de l’AA abordés dans chaque module:

  • Module 1 - Introduction à l’AA
  • Module 2 - Notions de base
  • Module 3 - Méthodes classiques supervisées : Préambule
    • Tutoriel de pratique Colab: Comparaison de différentes méthodes de régression
  • Module 4 - Méthodes classiques supervisées
    • Tutoriel de pratique Colab: Comparaison de différentes méthodes de classification
  • Module 5 - Méthodes classiques avancées
    • Tutoriel de pratique Colab: Exemples d’apprentissage profond
  • Module 6 - Méthodes d’apprentissage non supervisé
    • Tutoriel de pratique Colab 1: Exemple de regroupement des données en analyse exploratoire
    • Tutoriel de pratique Colab 2: Exemple de regroupement des données en analyse d’images
  • Module 7 - Mise en pratique dans l’industrie
    • Tutoriel de pratique Colab 1: Exemples de préparation des données
    • Tutoriel de pratique Colab 2: Sélection et optimisation d’un modèle optimal

Frequently Asked Questions

Skip Frequently Asked Questions

Accompagnement technopédagogique

Tetyana Tsomko | Conseillère technopédagogique
Centre de pédagogie universitaire, Université de Montréal

Média

Vincent Richer | Concepteur en médiatisation

Centre de pédagogie universitaire, Université de Montréal

Membres de l'équipe pédagogique

Nabila Ouchene | Coordonnatrice
IVADO

Patrick Loic Foalem | Assistant scientifique
Polytechnique Montréal

Hanifa Barry | Assistante technique et scientifique
Université de Montréal

Soutien et contrôle de la qualité

Vincent Laberge | Conseiller technopédagogique
Support technopédagogique et évaluateur de contrôle de qualité | EDUlib
Centre de pédagogie universitaire | Université de Montréal

Natacha Brassard | Conseillère technopédagogique
Support technopédagogique et évaluatrice de contrôle de qualité | EDUlib
Centre de pédagogie universitaire | Université de Montréal

André Guay | Concepteur en médiatisation
Support technopédagogique et évaluateur de contrôle de qualité | EDUlib
Centre de pédagogie universitaire | Université de Montréal

Who can take this course?

Unfortunately, learners residing in one or more of the following countries or regions will not be able to register for this course: Iran, Cuba and the Crimea region of Ukraine. While edX has sought licenses from the U.S. Office of Foreign Assets Control (OFAC) to offer our courses to learners in these countries and regions, the licenses we have received are not broad enough to allow us to offer this course in all locations. edX truly regrets that U.S. sanctions prevent us from offering all of our courses to everyone, no matter where they live.

Interested in this course for your business or team?

Train your employees in the most in-demand topics, with edX For Business.