École ivado/mila/dsi en apprentissage profond 5e édition

Je partage l'événement

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 s’associent au UBC Data Science Institute pour offrir cette formation à Vancouver du 2 au 6 décembre 2019.

Informations clés

Public cible

Le contenu de cette école s’adresse principalement aux professionnels de métier possédant des connaissances de base en mathématiques et programmation (ingénieurs, informaticiens, statisticiens, chef de projet technique, gestionnaire de produit, ingénieur de systèmes, etc.), 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.

Pré-requis

Une connaissance minimale en programmation (idéalement Python) et des connaissances de base en mathématiques (algèbre linéaire, statistiques) sont recommandées.

Objectifs

À la fin de cette semaine, les participants seront aptes à :

  • Comprendre les bases et le vocabulaire relié à l’apprentissage profond
  • Comprendre la méthodologie pour mener à bien un projet en apprentissage profond
  • Identifier les types de réseaux de neurones à utiliser pour résoudre différents types de problèmes
  • Apprendre à utiliser les librairies en apprentissage profond grâce aux sessions pratiques et tutoriels

Ressources

Contact

Pour tous commentaires, n’hésitez pas à nous contacter à l’adresse courriel suivante : formations@ivado.ca.

Cette école est rendue possible grâce aux Fonds d’excellence en recherche Apogée Canada.

Les conférenciers de l'événement

Gaétan Marceau Caron

Applied Research Scientist

Mila – Institut Québécois d’Intelligence Artificielle

Golnoosh Farnadi

Postdoctoral Researcher

Mila – Institut Québécois d’Intelligence Artificielle

Jeremy Pinto

Applied Research Scientist

Mila – Institut Québécois d’Intelligence Artificielle

Michiel van de Panne

Professor, Canada Research Chair

Associate Head for Research and Faculty Affairs

Mirko Bronzi

Applied Research Scientist

Mila – Institut Québécois d’Intelligence Artificielle

Evgueni Loukipoudis

CTO

Canada’s Digital Technology Supercluster

Fred Popowich

Computing Scientist

Simon Fraser University

Raymond T Ng

Director

Data Science Institute, UBC

Programme

Lundi - Machine Learning

9AM – 09:10AM: Welcome

Welcome words by IVADO and Mila

09:10AM – 10:15AM: Presentation

Machine learning and experimental protocol
Gaétan Marceau Caron

10:15AM – 10:45AM: Break

10:45AM – 12PM: Presentation

Introduction to Machine Learning
Gaétan Marceau Caron

12PM – 1:30PM: Lunch

1:30PM – 2:45PM: Presentation

Machine learning tools
Jeremy Pinto

2:45PM – 3:15PM: Break

3:15 – 4:30PM: Tutorial

Data & metrics with pyTorch

Mardi - Deep Learning

9AM – 10:15AM: Presentation

Introduction to deep learning
Gaétan Marceau Caron

10:15AM – 10:45AM: Break

10:45AM – 12PM: Presentation

Computational graph & backpropagation
Gaétan Marceau Caron

12PM – 1:30PM: Lunch

1:30PM – 2:45PM: Presentation

Optimization in deep learning
Gaétan Marceau Caron

2:45PM – 3:15PM: Break

3:15PM – 4:30PM: Tutorial

Categorical data with multilayer perceptron (MLP)

Mercredi - CNN

9AM – 10:15AM: Presentation

Introduction to convolutional neural networks, part I
Jeremy Pinto

10:15AM – 10:45AM: Break

10:45AM – 12PM: Presentation

Introduction to convolutional neural networks, part II
Jeremy Pinto

12PM – 1:30PM: Lunch

1:30PM – 2:45PM: Presentation

Convolutional neural network architectures
Jeremy Pinto

2:45PM – 3:15PM: Break

3:15PM – 4:30PM: Tutorial

Getting started with convolutional neural networks

Jeudi - RNN

9AM – 10:15AM: Presentation

Introduction to recurrent neural networks
Mirko Bronzi

10:15AM – 10:45AM: Break

10:45AM – 12PM: Presentation

Sequence to sequence models
Mirko Bronzi

12PM – 1:30PM: Lunch

1:30PM – 2:45PM: Presentation

Natural language processing
Mirko Bronzi

2:45PM – 3:15PM: Break

3:15PM – 4:30PM: Tutorial

Recurrent neural networks

Vendredi

9AM – 10:15AMPresentation

Reinforcement Learning
Dr. Michiel van de Panne (Professor, UBC Computer Science)

10:15AM – 10:30AMCoffee Break

10:30AM – 12PMPresentation

Reinforcement Learning
Dr. Michiel van de Panne (Professor, UBC Computer Science)

12PM – 1PMLunch Break

1PM – 2:45PMPresentation

Ethics in AI: Bias and discrimination in Machine Learning
Dr. Golnoosh Farnadi (Researcher at Polytechnique Montréal)

2:45PM – 3:00PMCoffee Break

3:00PM – 4:00PMPresentation

Ethics in AI Discussion Panel

  • Evgueni Loukipoudis
    CTO of Canada’s Digital Technology Supercluster.
  • Fred Popowich
    Computing Scientist at Simon Fraser University
    Scientific Director of SFU’s Big Data Initiative.
  • Raymond T Ng
    Director, Data Science Institute, UBC
    Professor, Computer Science, UBC
    Canada Research Chair in Data Science and Analytics
    Chief Informatics Officer, PROOF (Prevention of Organ Failure) Centre
  • Golnoosh Farnadi
    IVADO post-doctoral fellow at Polytechnique Montréal