École IVADO/MILA en Apprentissage Profond

Du 22 au 26 octobre 2018

École IVADO/MILA en Apprentissage Profond (3e édition)

L’apprentissage profond est une technique d’apprentissage automatique (machine learning) qui a considérablement amélioré les résultats précédents entre autres en vision par ordinateur, en reconnaissance de la parole ou en traduction automatique. De nombreux autres domaines sont touchés par cette nouvelle technologie, ou vont l’être.  Face à l’intérêt suscité par cette technologie, et face aux besoins de formation, IVADO et le MILA (le plus gros laboratoire académique au monde spécialisé en apprentissage profond et pionnier du domaine) offrent une semaine de formation du 22 au 26 octobre 2018.

À la fin de cette semaine, les participants seront aptes à intervenir sur des projets dans le domaine et auront le bagage nécessaire pour continuer par eux-mêmes leur apprentissage, une fois revenu dans leur milieu de travail, ou d’étude. Toutes les présentations seront données en français.

Contenu de la semaine

L’École en apprentissage profond donnera à ses participants les bases théoriques et pratiques nécessaires à la compréhension des techniques d’apprentissage profond, et ils en ressortiront outillés pour intervenir sur des projets faisant appel à ces techniques. Le contenu est plus orienté vers la pratique et l’application que la théorie et la recherche. Le contenu théorique nécessaire sera présenté, mais il sera complété par une comparaison des bibliothèques classiques pour l’apprentissage profond, par des présentations de scripts et de stratégies d’entraînement, ainsi que par un retour d’expérience sur les problèmes spécifiques liés à la mise en oeuvre de projets d’intelligence artificielle en milieu industriel (infrastructure, accès aux données, résultats, etc.).

Le contenu de cette école s’adresse principalement aux professionnels de l’informatique (ingénieurs, informaticiens qui sont au moins détenteurs d’un baccalauréat en sciences ou en génie), mais les professeurs et les étudiants aux cycles supérieurs en sciences ou en ingénierie (essentiellement ceux qui ne sont pas encore familiers avec l’apprentissage profond) peuvent aussi y trouver leur intérêt.

Une connaissance minimale en programmation (idéalement Python) est souhaitable afin de bien pouvoir comprendre les tutoriels. Nous suggérons aussi le cours en ligne Introduction à l’apprentissage profond disponible sur EDUlib pour les non-initiés en apprentissage automatique et profond.

Inscription

Les inscriptions sont maintenant fermées.

Lieu

L’école se tiendra au B-0325, Pavillon Jean-Brillant à l’Université de Montréal.

Les ateliers pratiques en après-midi se tiendront au B-4205 B-4215 Pavillon Jean-Brillant à l’Université de Montréal.

Programme

Voici le programme préliminaire. Toutes les présentations seront données en français.

Lundi Mardi Mercredi Jeudi Vendredi
9h00 – 10h15 Déjeuner et réseautage Entraînement : Graphe computationnel & backpropagation

Gaétan Marceau Caron

[PDF]

Modèle : Réseaux à convolution 1

Alexei Nordell Markovits

[PDF]

Modèle : Réseaux récurrents 1

César Laurent

[PDF]

Introduction : Modèles génératifs

Mathieu Germain

[PDF]

10h45 – 12h00 Introduction : Apprentissage automatique

Jean-Michel Sellier

[PDF]

Entraînement : Optimisation continue

Gaétan Marceau Caron

[PDF]

Modèle : Réseaux à convolution 2

Alexei Nordell Markovits

[PDF]

Modèle : Réseaux récurrents 2

César Laurent

[PDF]

Introduction : Apprentissage par renforcement profond

Vincent François-Lavet

[PDF]

13h30 – 14h45 Introduction : Apprentissage profond

Gaétan Marceau Caron

[PDF]

Introduction : Bibliothèques et matériel

Jeremy Pinto

[PDF]

Application : Traitement d’images

Margaux Luck

[PDF]

Application : Traitement des langues naturelles

Arsène Fansi

[PDF]

Groupes de discussion

 

15h15 – 16h30 IA pour l’humanité: espoirs, dangers, actions

Myriam Côté

[PDF]

Tutoriel : Données catégorielles (MLP)

Arsène Fansi

[GitHub]

Tutoriel : Image (CNN)

Margaux Luck

[GitHub]

Tutoriel : Données séquentielles (RNN)

Francis Grégoire

[GitHub]

Groupes de discussion
Lundi
9h00 – 10h30 Déjeuner et réseautage
10h30 – 12h00 Introduction : Apprentissage automatique

Jean-Michel Sellier

[PDF]

13h30 – 14h45 Introduction : Apprentissage profond

Gaétan Marceau Caron

[PDF]

15h15 – 16h30 IA pour l’humanité: espoirs, dangers, actions

Myriam Côté

[PDF]

Mardi
9h00 – 10h30 Entraînement : Graphe computationnel & backpropagation

Gaétan Marceau Caron

[PDF]

10h45 – 12h00 Entraînement : Optimisation continue

Gaétan Marceau Caron

[PDF]

13h30 – 14h45 Introduction : Bibliothèques et matériel

Jeremy Pinto

[PDF]

15h15 – 16h30 Tutoriel : Données catégorielles (MLP)

Arsène Fansi

[GitHub]

17h00 – 19h00 Cocktail
Mercredi
9h00 – 10h30 Modèle : Réseaux à convolution 1

Alexei Nordell Markovits

[PDF]

10h45 – 12h00 Modèle : Réseaux à convolution 2

Alexei Nordell Markovits

[PDF]

13h30 – 14h45 Application : Traitement d’images

Margaux Luck

[PDF]

15h15 – 16h30 Tutoriel : Images (CNN)

Margaux Luck

[GitHub]

 

Jeudi
9h00 – 10h30 Modèle : Réseaux récurrents 1

César Laurent

[PDF]

10h45 – 12h00 Modèle : Réseaux récurrents 2

César Laurent

[PDF]

13h30 – 14h45 Application : Traitement des langues naturelles

Arsène Fansi

[PDF]

15h15 – 16h30 Tutoriel : Données séquentielles (RNN)

Francis Grégoire

[GitHub]

 

Vendredi
9h00 – 10h30 Introduction : Modèles génératifs

Mathieu Germain

[PDF]

10h45 – 12h00 Introduction : Apprentissage par renforcement profond

Vincent François-Lavet

[PDF]

13h30 – 14h45 Groupes de discussion
15h15 – 16h30 Groupes de discussion

Un cocktail de réseautage aura lieu le mardi 23 octobre de 17h à 19h.

Les cours seront donnés par des professeurs, des chercheurs et des professionnels du MILA et de l’industrie:

Tutoriels

Vous devez amener votre propre ordinateur portable pour les tutoriels. Aucune installation n’est requise. Il suffit d’avoir accès à un compte Gmail, car nous utiliserons colab. Les tutoriels utiliseront le langage de programmation Python avec Pytorch. Les professionnels du Mila seront présents pour vous assister durant les tutoriels. Les tutoriels sont disponibles sous GitHub.

 

Écoles précédentes

Les vidéos des éditions antérieures sont disponibles sur la chaîne YouTube de IVADO. Le cours en ligne Introduction à l’apprentissage profond a été développé à partir des éditions précédentes de l’école et est disponible gratuitement sur la plateforme EDUlib.