IFT 3710/6759 H26 - Projets (avancés) en apprentissage automatique

Description du cours

L’objectif de ce cours est de vous préparer à vous attaquer à des projets pratiques d’apprentissage automatique. Pendant le cours, vous travaillerez sur les principales étapes des projets d’apprentissage automatique, y compris l’acquisition des données, le prétraitement des données, l’entraînement des modèles, l’analyse des résultats et la présentation des résultats et des conclusions. Les compétences développées pendant ce cours comprennent l’analyse documentaire d’un problème particulier, l’apprentissage automatique pratique et théorique, Python pour la science des données, PyTorch, le contrôle de version avec Git, les commandes Linux de base, ainsi que de compétences pour la présentation de donnés et les résultats.

Plan du cours

Le cours est organisé en deux parties : cinq semaines de cours magistraux sur les compétences pour travailler sur des projets avancés en apprentissage automatique et travail en équipe sur les projets, facilité par des rencontres avec le professeur et les auxiliaires d’enseignement. Les séances de cours de la deuxième partie du cours seront dédiées au travail sur le projet et pour des rencontres entre les membres des équipes et le professeur. Ces discussions seront ouvertes aux autres équipes.

Le contenu des séances de la première partie est le suivant :

  1. Introduction au cours
  2. Linux et Python pour l’apprentissage automatique
  3. Contrôle de version avec Git et GitHub
  4. Clusters HPC
  5. Revue de l’apprentissage automatique
  6. Revue de l’apprentissage profond
  7. Tutoriel PyTorch avancé
  8. Revue des modèles génératifs
  9. Visualisation des données
  10. Rédaction scientifique et technique

Critères d’évaluation

Les étudiant·e·s seront évalués entièrement en fonction de leur travail sur les projets. Vous devrez participer à un projet et travailler en équipe de 3–5 personnes. Vous pouvez choisir parmi une liste de projets préparés par les instructeurs, ou proposer vos propres projets, à condition qu’ils répondent à certains critères. L’évaluation finale tiendra compte des éléments suivants :

  • La difficulté du projet
  • Performance des algorithmes développés
  • Présentation orale
  • Rapport écrit
  • Qualité du code
  • Rencontres et entrevues avec l’équipe

Note importante : La note sera binaire (réussite ou échec), et non dans une échelle de lettres.

Préalables

Comme exigences d’inscription à ce cours, les étudiant.e.s doivent avoir réussi le cours Introduction à la science des données (IFT 3700) ou Fondements de l’apprentissage machine (IFT 3395).

Pourquoi des préalables ?

  • IFT 3710/6759 H26 ne s’agit pas d’un cours d’introduction à l’apprentissage automatique, mais d’un cours pour apprendre à travailler sur des projets d’apprentissage automatique.
  • Toutes et tous les étudiant·e·s doivent être en mesure de contribuer à l’équipe.

Quels sont les préalables ?

  • Concepts de base de l’apprentissage automatique : il y aura une session de révision.
  • Concepts de base de l’apprentissage profond : il y aura une session de révision.
  • Familiarité avec Python.
  • Familiarité avec PyTorch : il y aura une session de tutorat.
  • Commandes Linux de base : il y aura une session de tutorat.
  • Familiarité avec git et GitHub : il y aura une session de tutorat.

Note importante : Si vous n’êtes pas certain·e d’avoir suffisamment de connaissances sur les sujets ci-dessus pour pouvoir contribuer à une équipe et donc réussir le cours, contactez l’instructeur dès que possible pour évaluer vos connaissances et prendre une décision ensemble.

Liens utiles

Session d’hiver 2026

Les cours ont lieu :

  • Les lundis, 10h30–12h30 (ET) dans le pavillon Roger-Gaudry
  • Les jeudis, 10h30–12h30 (ET) dans le pavillon André-Aisenstadt

Ressources