Structure du programme
Titre officiel
D.E.S.S. en apprentissage automatique
Type
Diplôme d'études supérieures spécialisées
Numéro
2-175-1-2
Description de la structure
Version 00 (A18)
Le D.E.S.S. comporte 30 crédits.
Segment 70
Les cours du D.E.S.S. sont répartis de la façon suivante : 14 crédits obligatoires attribués à un stage et 16 crédits à option.
Le choix de cours doit être conforme à l'un des plans d'études spécifiés par le Département selon le domaine choisi.
La participation aux séminaires du Département est obligatoire.
Bloc 70A Fondements en apprentissage automatique Option - Minimum 12 crédits, maximum 16 crédits.
| Cours | Titre | Crédits | Période | |
|---|---|---|---|---|
| IFT 6135 | Apprentissage de représentations | 4.0 | Cours de jour | |
|
Algorithmes d'apprentissage de représentations des données et réseaux de neurones artificiels profonds. Avantages de l'apprentissage profond pour l'intelligence artificielle. Modélisation de la distribution de probabilité des données.
Voir la fiche détaillée
|
||||
| IFT 6390 | Fondements de l'apprentissage machine | 4.0 | Cours de jour | |
|
Éléments de base des algorithmes d'apprentissage statistique et symbolique. Exemples d'applications en forage de données, reconnaissance des formes, régression non linéaire, et données temporelles.
Voir la fiche détaillée
|
||||
| IFT 6758 | Science des données | 4.0 | Cours de jour Cours de soir | |
|
Applications des probabilités, statistiques et optimisation pour la science des données; nettoyage et visualisation de données; enjeux statistiques de l'apprentissage automatique sur données structurées; généralisation et surapprentissage.
Voir la fiche détaillée
|
||||
| IFT 6759 | Projets avancés en apprentissage automatique | 4.0 | Cours de jour | |
|
Préparation aux applications pratiques de l'apprentissage automatique à travers des projets concrets sur des données réelles. Utilisation de logiciels spécialisés d'apprentissage automatique pour l'intelligence artificielle. Remarque : Il est recommandé de prendre IFT6135 Apprentissage de représentations auparavant ou concomitant.
Voir la fiche détaillée
|
||||
Bloc 70B Approfondir les connaissances Option - Maximum 4 crédits.
| Cours | Titre | Crédits | Période | |
|---|---|---|---|---|
| IFT 6010 | Intelligence artificielle | 4.0 | ||
|
Représentation des connaissances. Logique classique et techniques de résolution automatique de problèmes. Raisonnement non monotone, induction, connaissances et croyances. Planification.
Voir la fiche détaillée
|
||||
| IFT 6132 | Prédiction structurée avancée et optimisation | 4.0 | Cours de jour | |
|
Sujets avancées pour la prédiction d'objets structurés (tels: graphes, couplages, réseau de flot). Apprentissage génératif vs discriminatif et modèles à énergie; CRF, SVM structurée, optimisation à grande échelle; algorithmes combinatoires; RNN.
Voir la fiche détaillée
|
||||
| IFT 6255 | Recherche d'information | 4.0 | Cours de jour | |
|
Principe de la recherche d'information. Sélection des documents pertinents. Modèles booléen, vectoriel, probabiliste, logique. Réalisation. Évaluation des performances. Analyses linguistiques, syntaxiques et sémantiques.
Voir la fiche détaillée
|
||||
| IFT 6268 | Apprentissage automatique pour la vision | 4.0 | ||
|
Apprentissage automatique avancé et perception visuelle; apprentissage de traits caractéristiques spatiaux et spatio-temporels; traits visuels de mi-niveau; modèles bio-inspirés et statistiques avancées d'images; données massives en vision.
Voir la fiche détaillée
|
||||
| IFT 6269 | Modèles graphiques probabilistes et apprentissage | 4.0 | Cours de jour | |
|
Représentation des systèmes comme des modèles graphiques probabilistes, inférence dans les modèles graphiques, apprentissage des paramètres à partir de données.
Voir la fiche détaillée
|
||||
| IFT 6285 | Traitement automatique des langues naturelles | 4.0 | Cours de jour | |
|
Introduction aux problématiques de base du traitement des langues naturelles (modélisation de la langue, étiquetage de séquences de mots, analyse grammaticale) et à ses applications (traduction automatique, extraction d'information, etc.).
Voir la fiche détaillée
|
||||
| IFT 6551 | Programmation en nombres entiers | 4.0 | Cours de jour | |
|
Méthodes de troncature, génération de facettes. Méthodes d'énumération. Méthodes de décomposition. Applications : recouvrement et partition d'ensembles, localisation de dépôts, voyageur de commerce, problèmes d'horaire.
Voir la fiche détaillée
|
||||
| IFT 6756 | Théorie de l'apprentissage automatique | 4.0 | ||
|
Outils théoriques de l'apprentissage automatique; analyse de la généralisation, de l'expressivité et de la complexité; chaînes de Markov, Monte-Carlo pour l'échantillonnage de modèles et systèmes d'apprentissage distribué.
Voir la fiche détaillée
|
||||
| IFT 6757 | Véhicules autonomes | 4.0 | Cours de jour | |
|
Contrôle de véhicules autonomes avec vision par ordinateur et apprentissage automatique; construction d'un véhicule autonome à petite échelle; senseurs, vision, estimation d'état, navigation, planification, contrôle et actionnement.
Voir la fiche détaillée
|
||||
| IFT 6760A | Séminaire en apprentissage automatique | 4.0 | Cours de jour | |
|
Présentation et discussion par l'étudiant d'articles scientifiques en apprentissage automatique à la fine pointe de la recherche dans ce domaine, qui change d'une année à l'autre. On vise la compréhension des articles et la capacité à les expliquer. Remarque : Il est recommandé de prendre IFT6135 Apprentissage de représentations auparavant.
Voir la fiche détaillée
|
||||
| IFT 6760B | Séminaire en apprentissage automatique | 4.0 | ||
|
Présentation et discussion par l'étudiant d'articles scientifiques en apprentissage automatique à la fine pointe de la recherche dans ce domaine, qui change d'une année à l'autre. On vise la compréhension des articles et la capacité à les expliquer. Remarque : Il est recommandé de prendre IFT6135 Apprentissage de représentations auparavant.
Voir la fiche détaillée
|
||||
| IFT 6760C | Séminaire en apprentissage automatique | 4.0 | ||
|
Présentation et discussion par l'étudiant d'articles scientifiques en apprentissage automatique à la fine pointe de la recherche dans ce domaine, qui change d'une année à l'autre. On vise la compréhension des articles et la capacité à les expliquer. Remarque : Il est recommandé de prendre IFT6135 Apprentissage de représentations auparavant.
Voir la fiche détaillée
|
||||
Bloc 70C Stage Obligatoire - 14 crédits.
| Cours | Titre | Crédits | Période | |
|---|---|---|---|---|
| IFT 6918 | Stage court en apprentissage automatique | 14.0 | ||
|
Stage de 4 mois dans une organisation publique ou privée permettant à l'étudiant d'appliquer les connaissances théoriques et pratiques en apprentissage automatique acquises au cours de sa formation.
Voir la fiche détaillée
|
||||
Date de la dernière modification: 15 août 2019
Signaler un changementDemande d'admission
- Complément d'information sur ce programme d'études
- Poser une question
- Télécharger cette fiche en PDF
- Imprimer la fiche complète
- Comparer avec un autre programme
-
Ajouter à mon guideRetirer de mon guide
Pour ajouter ce programme d'études à votre guide d'admission personnalisé, vous devez vous créer un compte Explorateur UdeM. Vous avez déjà un compte? Ouvrez une session.
