IFT-2009 Initiation à l'apprentissage automatique

Introduction aux bases de l'apprentissage automatique (machine learning). Concepts fondamentaux de représentation et de prétraitement des données. Principes d'algorithmes classiques d'apprentissage supervisé pour la régression et la classification (k plus proches voisins, arbres de décision, forêts aléatoires, régressions linéaires, régression logistique). Introduction à la modélisation probabiliste de l'incertitude et à la règle de Bayes. Principes de la généralisation des modèles, sélection d'hyperparamètres et évaluation des performances. Introduction aux réseaux de neurones, à la rétropropagation des erreurs et la descente de gradient. Aperçu des techniques avancées comme l'apprentissage génératif, l'apprentissage par renforcement et les grands modèles de langues.

Des questions sur ce cours? Inscrivez-vous aux cours

  • 3 Crédits

  • Cycle du cours

    • Premier cycle

  • Modes d'enseignement

    • Régulier

  • À l'horaire

    • Hiver 2027
  • Cours pouvant être offert à distance

Responsables

  • Faculté des sciences et de génie
  • Département d'informatique et de génie logiciel

Préalables

(IFT-1004 OU IFT-1903 OU GLO-1901 OU GLO-2100 OU IFT-2008) ET (GPL-1008 OU STT-1000 OU STT-2920 OU STT-1900 OU MQT-1102)

Cette activité est contributoire dans:

Cette page constitue la description officielle de cette activité. L'Université Laval se réserve le droit de modifier l'activité sans préavis. Tous les horaires indiqués sont sujets à changement.

Répartition hebdomadaire

  • 3h Cours
  • 2h Laboratoire ou travaux pratiques
  • 4h Travail personnel
  • 9h Total

Horaire

Pour vous inscrire, accédez à monPortail.

Hiver 2027 – 1 section offerte

NRC 15662 Capacité maximale: 125 étudiants Enseignant: Anthony Deschênes

Cette section de cours est offerte en formule à distance et peut contenir des activités de formation en ligne synchrones, à une date et une heure précises et des activités de formation en ligne qui se déroulent en temps différé.Les examens sous surveillance nécessitent un déplacement sur le campus ou dans l’un des centres d’examens hors campus, au choix de l’étudiante et de l’étudiant. Ils ont lieu en soirée ou la fin de semaine et, s’il y a lieu, peuvent donc se dérouler à un autre moment que la plage prévue pour les séances synchrones.NOTE IMPORTANTE : Pour chaque cours donné à distance, veuillez vous assurer qu’il n’existe aucun conflit d’horaire entre vos examens. Aucun accommodement ne sera accordé en cas de conflit d’horaire.

Plages horaires

    • Type: Classe virtuelle synchrone
    • Dates: Du 11 jan. 2027 au 23 avr. 2027
    • Journée: Mercredi
    • Horaire: De 12h30 à 15h20
    • Type: Classe virtuelle synchrone
    • Dates: Du 11 jan. 2027 au 23 avr. 2027
    • Journée: Vendredi
    • Horaire: De 14h30 à 16h20

Hiver 2026 – 1 section offerte

NRC 15530 Capacité maximale: 125 étudiants

Cette section de cours est offerte en formule à distance et peut contenir des activités de formation en ligne synchrones, à une date et une heure précises et des activités de formation en ligne qui se déroulent en temps différé.Les examens sous surveillance nécessitent un déplacement sur le campus ou dans l’un des centres d’examens hors campus, au choix de l’étudiante et de l’étudiant. Ils ont lieu en soirée ou la fin de semaine et, s’il y a lieu, peuvent donc se dérouler à un autre moment que la plage prévue pour les séances synchrones.NOTE IMPORTANTE : Pour chaque cours donné à distance, veuillez vous assurer qu’il n’existe aucun conflit d’horaire entre vos examens. Aucun accommodement ne sera accordé en cas de conflit d’horaire.

Plages horaires

    • Type: Classe virtuelle synchrone
    • Dates: Du 12 jan. 2026 au 24 avr. 2026
    • Journée: Mercredi
    • Horaire: De 12h30 à 15h20
    • Type: Classe virtuelle synchrone
    • Dates: Du 12 jan. 2026 au 24 avr. 2026
    • Journée: Vendredi
    • Horaire: De 14h30 à 16h20