Yoshua Bengio  


Yoshua Bengio
Professeur titulaire
Département d'informatique et de recherche opérationnelle
Chaire de Recherche du Canada sur les algorithmes d'apprentissage statistique
<mon prénom> (point) <mon nom de famille> (A commercial) umontreal (point) ca

 

 

Cours

Algorithmes d'apprentissage
IFT6266
La recherche sur les algorithmes d’apprentissage statistique a menée à d’importantes découvertes au cours des deux dernières décennies, qui ont changé la manière de concevoir le problème de rendre les ordinateurs plus intelligents. Un agent est intelligent parce qu’il a des connaissances opérationnelles (pas nécessairement sous une forme verbale explicite) qui lui permettent d’effectuer certaines tâches ou de répondre à certaines questions sur un certain domaine. Les algorithmes d’apprentissage ont pour objectif de permettre à la machine d’acquérir des connaissances opérationnelles à partir d’exemples. Ils cherchent à découvrir la structure cachée d’un ensemble de signaux à partir des configurations de valeurs observées, donc à découvrir les facteurs inhérents qui expliquent les variations et les dépendences observées. Ils sont utiles pour la prédiction, la prise de décision, et l’analyse de données. Ils ont mené à de nouveaux champs commerciaux, comme le “data-mining”, l’analyse statistique de données textuelles pour le web (à la base des engins de recherche web modernes) ou la gestion quantitative de portefeuilles financiers. La recherche en intelligence artificielle a elle aussi été fortement influencée par l’apprentissage automatique, et c’est ce type d’applications (vision, langage, musique, parole, etc.) qui sera visé dans la partie pratique du cours. Ce cours est un deuxième cours sur les algorithmes d’apprentissage, par exemple pour faire suite au cours IFT3395 ou IFT6390. Les étudiants qui n’ont jamais pris de cours en apprentissage automatique devraient donc plutôt commencer par IFT6390 (ou l’équivalent) avant de prendre IFT6266. Les sujets couverts en IFT6266 sont des sujets plus avancés, et liés à certaines découvertes faites au cours des dernières années (dont certaines au DIRO), en particulier dans le domaine de l'apprentissage profond ({\em Deep Learning}) et de l’apprentissage de représentations (qui ont mené à la création d’une nouvelle conférence, ICLR, International Conference on Learning Representations).

IFT6266 - H16: Hiver 2016
IFT6266 - H14: Hiver 2014
IFT6266 - H13: Hiver 2013
IFT6266 - H12: Hiver 2012
IFT6266 - H11: Hiver 2011
IFT6390/3395 - A10 : Automne 2010
IFT6266 - H10: Hiver 2010
IFT6266 - A08: Automne 2008
2007: année sabbatique
IFT6266 - A06: Automne 2006
IFT6266 - A06: Automne 2005
IFT6266 - A04: Automne 2004
IFT6266 - A03: Automne 2003