Scolarité
Deuxième cycle - 3,0 crédit(s)
Département
Département d'informatique et d'ingénierie
Objectifs
Maîtriser les fondements théoriques et pratiques de l'apprentissage profond (AP). Développer les connaissances pour résoudre de manière indépendante les problèmes d’apprentissage automatique en utilisant les réseaux de neurones profonds.
Contenu
Introduction aux réseaux de neurones et l’AP. Types d’architectures de réseaux de neurones (CNN, RNN, auto-encodeurs, transformeurs, etc.). Réseaux de neurones discrimicatifs vs. génératifs. Prétraitement des données en AP. Propagation en arrière et estimation de paramètres dans l’AP. Selection de modèles et types de fonctions objectives. Régularisation et optimisation avec contraintes. Apprentissage par transfert. Validation de modèles en AP. Augmentation de données. Apprentissage fédéré. Études d’applications utilisant l’AP (ex. reconnaissance visuelle, cybersécurité, internet des objets, etc.).
Exigences de qualification pour l'enseignement
Diplôme(s)
Scolarité de doctorat ou maîtrise en informatique ou dans un domaine connexe.
Expérience
Expérience pertinente ou spécialisation dans le domaine d'un minimum de deux (2) ans pour une scolarité de doctorat et d'un minimum de cinq (5) ans pour la maîtrise.
Corps professionnel
Aucun
Autre(s) exigence(s)
Dans tous les cas, la candidate, le candidat devra pouvoir démontrer sa capacité à communiquer efficacement oralement et par écrit ainsi qu'à transmettre les connaissances ou les habiletés pertinentes au contenu du cours pour lequel les exigences de qualification pour l’enseignement (EQE) sont adoptées.
CAFF
6402 - Informatique théorique