COURS.

APERÇU

À l'issue de ce cours, le participant pourra :

• Comprendre l'importance cruciale des données dans le développement de l'intelligence artificielle, notamment en ce qui concerne le rôle des données dans l'apprentissage des modèles.
• Maîtriser les techniques de base des statistiques descriptives et leur importance dans l'analyse des données pour l'IA.
• Interpréter et valider les résultats des modèles d'IA, en utilisant des méthodes d'analyse statistique pour assurer la fiabilité et l'efficacité des modèles.

Description
Ce webinaire vise à fournir une compréhension approfondie de l'importance des données et des calculs statistiques dans le domaine de l'intelligence artificielle. Une attention particulière sera accordée aux techniques de base des statistiques descriptives, a fin d'analyser et d'interpréter les données de manière efficace.

Nous aborderons également la manière de visualiser les données pour faciliter la compréhension et la communication des résultats. Enfin, les participants apprendront à analyser et à valider les résultats des modèles d'IA, une compétence clé pour garantir la précision et l'utilité des applications d'IA.

Clientèle ciblée :
Cette session est idéalement conçue pour les professionnels et les ingénieurs désireux d'approfondir leur compréhension de l'IA, tout en étant accessible et bénéfique pour tous ceux qui s'intéressent à l'application pratique de l'intelligence artificielle dans divers domaines incluant :

• Ingénierie Chimie
• Ingénierie Civil
• Ingénierie Environnementale
• Ingénierie Générale

Horaire : 12:00 PM - 1:30 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

CONTENU:

• Importance des données dans l'IA
  • Rôle des données dans l'apprentissage des modèles
  • ypes de données : structurées vs non structurées
    
    
• Techniques de base des statistiques pour l'IA
  • Statistiques descriptives 
    
    
• Interprétation des résultats 
  • Analyse et validation des résultats du modèle

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.