COURS.

APERÇU

À la fin de ce cours, vous serez en mesure d’ :

• Expliquer les principales techniques d’intelligence artificielle et d’apprentissage automatique utilisées en génie civil et environnemental
• Préparer, nettoyer et structurer des ensembles de données issus de situations réelles afin de soutenir le développement de modèles d’IA
• Appliquer et évaluer des approches courantes de modélisation par IA, notamment la régression, la classification et les réseaux neuronaux
• Interpréter les résultats des modèles à l’aide de méthodes d’évaluation statistiques et graphiques appropriées
• Concevoir et mettre en œuvre un processus de modélisation par l’IA de base, du prétraitement au post‑traitement, pour des problèmes concrets en ingénierie

Description

Comme professionnel.le du génie civil ou environnemental, vous êtes de plus en plus appelé.e à travailler avec des ensembles de données volumineux et complexes provenant de systèmes de surveillance, d’infrastructures et de processus environnementaux. Les méthodes d’analyse traditionnelles ne suffisent pas toujours pour extraire des informations exploitables ou pour soutenir efficacement la prévision, la classification et la prise de décision.

Ce cours offre une introduction structurée et pratique à l’utilisation des techniques d’intelligence artificielle et d’apprentissage automatique dans des contextes de génie civil et environnemental. Il explore comment ces méthodes peuvent être appliquées à des données réelles afin d’appuyer la modélisation, la prévision et l’évaluation de la performance des systèmes d’ingénierie. L’accent est mis sur la compréhension des forces, des limites et de l’utilisation appropriée des différentes approches d’IA, plutôt que sur leur utilisation comme outils de type « boîte noire ».

À l’aide d’exemples appliqués et de flux de travail pratiques, le cours vous guide à travers les principales étapes du développement de modèles d’IA, incluant l’acquisition de données, le prétraitement, l’entraînement des modèles, l’évaluation et l’interprétation des résultats. L’objectif demeure l’application concrète, afin de vous permettre d’intégrer avec assurance les techniques d’IA aux problématiques rencontrées dans votre pratique professionnelle.

Clientèle ciblée :

• Ingénieur.e.s civils et environnementaux
• Technologues et professionnel.le.s techniques travaillant avec des systèmes basés sur les données
• Gestionnaires, consultants et ingénieur.e.s municipaux en environnement
• Professionnel.le.s impliqués dans la modélisation, la prévision ou l’évaluation de la performance de systèmes d’ingénierie
• Étudiants.e. aux cycles supérieurs ou professionnels en début de carrière souhaitant acquérir une expérience appliquée de l’IA en ingénierie

Caractéristiques particulières :

Nous vous recommandons d’installer le logiciel MATLAB, car vous en aurez besoin pendant le cours.

Horaire : 8:30 AM - 1:00 PM EDT

Exigences techniques

Pour les utilisateurs de PC
OS: Windows 7, 8, 10 ou plus récent

Navigateur :
IE 11 ou plus récent, Edge 12 ou plus récent, Firefox 27 ou plus récent, Chrome 30 ou plus récent

Pour les utilisateurs de Macintosh
OS: MacOS 10.7 ou plus récent

Navigateur :
Safari 7+, Firefox 27+, Chrome 30+

iOS
OS: iOS 8 ou plus récent

Android
OS: Android 4.0 ou supérieur

voir le programme complet

PROGRAMME

Acquisition de données

• Collecte des données
• Détection des valeurs aberrantes
• Gestion de l'élimination / des données manquantes

Prétraitement des données / préparation des données

• Transférer des informations brutes en données utilisables
• Diviser les données en ensembles de formation, de test et de la validation

Post-traitement des données

• Analyse des indices statistiques
• Plot Diagramme de dispersion
• Box plot

Classification méthodes

• Arbre de décision
• M5 Prime
• Machine à vecteur de support

Outils de modélisation de l'intelligence artificielle (IA)

• Application des méthodes de régression linéaires
• Réseau neuronal artificiel (ANN)
• Système d'inférence flou
• Machines d'apprentissage
• Algorithmes d'évolution

FORMATEUR

Hossein Bonakdari, Ph.D., P.Eng.

Hossein Bonakdari, Professeur agrégé au Département de Génie Civil, Université d’Ottawa, ON

Hossein est titulaire d'un doctorat en Génie Civil de l’Université Caen (France) et a été stagiaire postdoctoral en simulation numériques à l'Université de Lyon, en France, et en Intelligence Artificiel à l’Université de Guelph, au Canada. Par le passé, il a particulièrement travaillé sur l'établissement des nouvelles perspectives sur l'analyse des données et la modélisation des cas pratiques via différentes approches en IA. Il travaillé notamment sur le développement des différentes classes de procédures de modélisation pour traiter les grandes quantités de données qu’il a rencontrées au cours de projets de recherche et pour remédier à une pénurie d'équations empiriques, semi-empiriques ou simplifiées. Il a participé à différents projets industriels sur application de l'IA pour résoudre les problèmes d'ingénierie civil et environnementale. Il a publié plus de 200 articles dans des revues scientifiques internationales indexées dans ces domaines.