Deep Learning Essentials
Do you want to learn how machines can learn tasks we thought only human brains could perform? Then take this Deep Learning course developed by IVADO, Mila and Université de Montréal: an extensive overview on the essentials of deep learning, this ground-breaking technology already prevalent in our lives and spanning all sectors.
About this course
Gain a good understanding of what Deep Learning is, what types of problems it resolves and what are the fundamental concepts and methods it entails. The course developed by IVADO, Mila and Université de Montréal uses diversified learning tools in order for you to fully grasp the extent of this ground-breaking cross-cutting technology, a critical need in the field.
Do you want a sneak peek? Click here!
Bias and Discrimination in AI
Discover how even computer algorithms may be biased and have a serious impact on our every day lives. In this MOOC, based on an IVADO School involving various international experts in the field, you will learn how to identify and alleviate bias and discrimination in Artificial Intelligence.
About this course
Engage in this course pertaining to a highly impactful yet, too rarely discussed, AI-related topic. You will learn from international experts in the field, also speakers at IVADO’s International School on Bias and Discrimination in AI, which took place in Montreal, and explore the social and technical aspects of bias, discrimination and fairness in machine learning and algorithm design.
Do you want a sneak peek? Click here!
Introduction à l’apprentissage profond
À propos de ce MOOC
L’apprentissage profond (deep learning) est une technique d’apprentissage automatique (machine learning) qui a considérablement amélioré les résultats dans de nombreux domaines tels que la vision par ordinateur, la reconnaissance de la parole et la traduction automatique. Les techniques d’apprentissage profond permettent, à l’aide de données, de résoudre de nombreux problèmes dans de nombreux domaines de l’économie tels que la santé, le transport, le commerce, la finance ainsi que l’énergie.
Développé par IVADO et le MILA, ce cours d’une durée totale de 5 heures présente les concepts fondamentaux de l’apprentissage profond à travers 5 modules de formation proposés en français.
Le cours Introduction à l’apprentissage profond a été conçu pour ceux qui désirent :
- Comprendre en quoi consiste l’apprentissage profond,
- Comprendre quels types de problèmes peuvent être résolus à l’aide de ces techniques,
- Se familiariser avec les concepts fondamentaux et méthodes utilisées en apprentissage profond.
Le contenu sera présenté à l’aide de vidéos pédagogiques présentés par des spécialistes du domaine : Alain Tapp, Yoshua Bengio et Nicolas Le Roux.
Requis
Il est fortement recommandé aux participants d’avoir une compréhension des concepts de base en mathématique (algèbre linéaire, calcul différentiel) et en informatique (notion d’algorithmique récursive).
Science des données et santé
À propos du cours
Les développements récents en science des données, apprentissage automatique (machine learning) et apprentissage profond (deep learning) permettent de traiter et d’analyser les données provenant, entre autres, du domaine de la santé. Ces nouvelles méthodes permettent de développer de nouveaux outils d’aide à la décision pour les professionnels du domaine de la santé, comme par exemple l’aide au diagnostic de maladies par imagerie médicale, les soins de santé personnalisés, la découverte de nouveaux médicaments ou encore une meilleure analyse des risques.
Développé en collaboration avec le Mila et l’IRIC, ce cours présente :
- Les concepts fondamentaux en science des données, en apprentissage automatique et profond appliqués au secteur de la santé;
- Une introduction aux outils informatiques;
- Des applications concrètes de ces méthodes et outils à différents domaine de la santé.
Le contenu sera présenté à l’aide de vidéos pédagogiques présentés par des experts scientifiques : Tristan Sylvain, Gaétan Marceau-Caron, Jeremy Pinto, Margaux Luck, Joseph Paul Cohen et Tariq Daouda.
Requis
Une formation ou expérience de base dans un domaine de la santé (biologie, médecine, sciences infirmières, sciences vétérinaires …) ou en science (mathématiques, informatique, génie …) est recommandée mais non obligatoire.