COURS.

APERÇU

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

• Avoir une compréhension des principales techniques d'intelligence artificielle (IA)
• Avoir une compréhension de base des méthodologies d'évaluation
• Avoir une connaissance pratique de la façon d'appliquer les technologies de l'IA à des ensembles de données du monde réel
• Avoir acquis de l'expérience dans la conception et l'application de techniques d'IA dans les problèmes d'ingénierie civile / environnementale
• Réaliser les étapes de base du processus de création de modèle d' IA y compris : prétraitement, modélisation et post-traitement

Description :
Les techniques d'intelligence artificielle (IA) et les approches d'apprentissage automatique révolutionneront de nombreux aspects du futur domaine du génie civil / environnemental. L'IA peut être utilisée comme un outil prometteur pour s'attaquer à différents problèmes d'ingénierie. L'objectif principal de ce cours est de comprendre et d'appliquer les développements récents dans les applications de l'IA liées aux applications d'ingénierie pratique.

Ce cours présente une variété de sujets différents dans les approches et les méthodes d'apprentissage de l'IA dans la modélisation et la prévision de systèmes environnementaux complexes y compris: méthodes de régression linéaires, réseau neuronal artificiel, classification, système d'inférence flou, machines d'apprentissage et algorithmes d'évolution. Les exemples sont illustrés et vous montreront comment appliquer cette technique dans la pratique.

Contenu :

• Acquisition de données
• Prétraitement des données/préparation des données
• Post-traitement des données
• Classification méthodes
• Outils de modélisation de l'intelligence artificielle (IA)

Clientèle Ciblée :
Ingénieurs civils et environnements • Directeurs et technologues en domaine de l’environnement • Consultants • Génie municipal • Membres d’associations industrielles et environnementales • Fonctionnaires • Étudiants

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

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, Department of Soils and Agri‐Food Engineering, Université Laval.

Hossein Bonakdari has worked for several organizations like most recently as faculty member of department of Soil and Agri-Food Engineering Department at Laval University, Quebec. He has supervised several PhD and MSc students with teaching experience of more than 16 years in field of Artificial Intelligence application in Civil and Environmental Engineering. His fields of specialization and interest include: practical application of soft computing techniques in engineering problems. Results obtained from his researches have been published in more than 180 papers in international journals (h-index=26). He has also more than 150 presentations in national and international conference. He published two books. Dr. Bonakdari is currently leading several research projects in collaboration with industrials partners.