Cours

Liste des cours et horaires - Hiver 2017

Noms Professeurs Cours/sigles Descriptions Crédits Horaires Dates
Lacoste-Julien Simon IFT 6085 – Prédiction structurée avancée Modèles énergétiques. Apprentissage génératif/discriminatif. Champs aléatoires conditionnels. SVM structurées et à variable latente, algorithms CCCP. Optimization grande échelle: Frank-Wolfe, SGD variance réduite, méthodes bloques-coordonnées. Apprendre à chercher. RNN. Algorithms combinatoriels: réseaux coût-min, optimization sous-modulaire, programmes dynamiques. 4 Me 10:30 – 12:29
Ve 14:30 – 16:29
6 Jan au 12 Avr 2017
Courville Aaron IFT 6266 – Algorithmes d’apprentissage Sujets avancés en algorithmes d’apprentissage : architectures profondes, réseaux de neurones et modèles probabilistes non supervisés. 4 Lu 14:30 – 16:29
Je 09:30 – 11:29
5 Jan au 13 Avr 2017
Pal Christopher INF 8225 (Poly) – Techniques probabilistes et d’apprentissage Méthodes probabilistes d’intelligence artificielle. Réseaux bayésiens, modèles de Markov cachés, champs aléatoires de Markov. Inférence. Théorie de la décision statistique et des réseaux de décision. Traitement probabiliste de la langue naturelle et de la perception visuelle. Systèmes experts, forage de données, recherche d’informations et vision par ordinateur. 3 Lundi 12h45 – 15h45 TP
Mardi 9h30 – 12h30 Cours
Precup Doina COMP 652 (McGill) – Machine Learning Un survol de la fine pointe de la technologie en apprentissage automatique, incluant les propriétés théoriques et les applications pratiques de ces algorithmes. 4 Mardi 13:05 – 14:25
Jeudi 13:05 – 14:25
4 Jan au 11 Avr 2017
COMP 767 (McGill) – Advanced Topics: Reinforcement learning Sujets avancés en apprentissage par renforcement. 4 Ven 10:05 – 12:55 4 Jan au 11 Avr 2017
Pineau Joelle COMP 551 (McGill) – Applied Machine Learning Sujets spéciaux en apprentissage automatique et forage des données, incluant clustering, réseaux de neurones, machines à vecteurs de support, arbres de décisions. Méthodes comme le choix de features et la réduction de dimensionalité, estimation d’erreur et validation empirique, conception d’algorithmes et parallélisation, gestion de grands ensembles de données. 4 Mardi 13:05 – 14:25
Jeudi 13:05 – 14:25
4 Jan au 11 Avr 2017
Charlin Laurent n/a n/a n/a n/a n/a
Bengio Yoshua n/a n/a n/a n/a n/a
Vincent Pascal n/a n/a n/a n/a n/a

Liste des cours et horaires - Automne 2016

Noms Professeurs Cours/sigles Descriptions Crédits Horaires Dates
Vincent Pascal IFT 3395 – Fondements de l’apprentissage machine (1er cycle) 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.
Remarques: Des connaissances d’analyse numérique sont recommandées, par exemple le IFT 2425.
3 Me 09:30 – 11:29 Cours
Je 09:30 – 10:29 Cours
Je 10:30 – 12:29 LAB
1 sept au 8 décembre 2016
IFT 6390 – Fondements de l’apprentissage machine (2e cycle) 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. 4 Me 09:30 – 11:29 Cours
Je 09:30 – 10:29 Cours
Je 10:30 – 12:29 LAB
1 sept au 8 décembre 2016
Lacoste-Julien Simon IFT 6269 – Modèles graphiques probabilistes et apprentissage Représentation des systèmes comme des modèles graphiques probabilistes, inférence dans les modèles graphiques, apprentissage des paramètres à partir de données. 4 Ma 14:30 – 16:29 Cours
Ven 13:30 – 15:29 Cours
2 sept au 6 déc 2016
Charlin Laurent 6-602-07 (HEC)- Analyse multidimensionnelle appliquée Data mining, analyse factorielle, Sélection de variables et de modèles, Régression logistique, Analyse de regroupement, Analyse de survie, Données manquantes 3 Lu 12:00 – 15:00 Cours 29 août au 5 déc 2016
Bengio Yoshua n/a n/a n/a n/a n/a
Courville Aaron n/a n/a n/a n/a n/a
Pal Christopher n/a n/a n/a n/a n/a