Cours et horaires

Cette page présente la liste des cours offerts par les membres académiques principaux de Mila tout au long de l'année universitaire. Bien que les informations soient régulièrement mises à jour, il est toujours conseillé de vérifier la disponibilité d'un cours sur le site de l'université affiliée où il est donné.

Sigle et nom du cours
Professeur(es)
Crédits
INF 6953PE - Deep Learning Dynamics
Professeur(es)
Crédits
4
Horaire
Lundi 9h30 à 12h30

Ce cours explore les aspects théoriques et pratiques de l'apprentissage et de la généralisation des réseaux neuronaux. L'objectif de ce cours n'est pas de présenter des architectures ou des algorithmes d'apprentissage profond. Au contraire, ce cours se concentrera sur la compréhension de la dynamique d'apprentissage des réseaux neuronaux et sur la façon dont ils se généralisent. Nous discuterons en détail des défis d'optimisation impliqués dans l'apprentissage de modèles surparamétrés.

Date de début
Lieu du cours
Mila auditorium 2
Date de fin
Langue
Anglais
COMP 549 - L'influence du cerveau sur l'intelligence artificielle
Professeur(es)
Crédits
3
Horaire
Jeudi 14h35 - 15h55

Aperçu de l'influence des neurosciences et de la psychologie sur l'intelligence artificielle (IA). Sujets historiques : les perceptrons, le cadre PDP, les réseaux de Hopfield, les machines de Boltzmann et de Helmholtz, et les origines béhavioristes de l'apprentissage par renforcement. Sujets modernes : apprentissage profond, attention, mémoire et conscience. L'accent est mis sur la compréhension des fondements interdisciplinaires de l'IA moderne.

Date de début
Lieu du cours
McGill
Date de fin
Langue
Anglais
STT 6215 Méthodes de statistique bayésienne
Professeur(es)
Crédits
3
Horaire
Lundi et Jeudi 10h30 à 12h

Principes de l’analyse bayésienne; loi a priori et a posteriori, inférence statistique et théorie de la décision. Méthodes computationnelles; méthodes de Monte Carlo par chaînes de Markov et méthodes variationnelles. Applications.

Date de début
Hiver 2025 (à préciser)
Lieu du cours
pavillon André-Aisenstadt
Date de fin
- -
Langue
Anglais
COMP 511 - Network Science
Professeur(es)
Crédits
4
Horaire
Lundi et Mercredi 13h05 à 14h25

Sujets choisis dans la science des réseaux, l'exploration des graphes et l'apprentissage des graphes, y compris les modèles dans les réseaux du monde réel, les mesures de classement et de similarité pour les graphes, les techniques de regroupement des graphes et d'exploration des communautés, ainsi que les méthodes de classification des nœuds et de prédiction des liens.

Date de début
Lieu du cours
McGill
Date de fin
Langue
Anglais
IFT 6135 – Apprentissage de représentations
Professeur(es)
Crédits
4

Algorithmes d’apprentissage de représentations des données et réseaux de neurones artificiels profonds. Avantages de l’apprentissage profond pour l’intelligence artificielle. Modélisation de la distribution de probabilité des données.

Date de début
À déterminer
Lieu du cours
Mila, si possible
Date de fin
- -
Langue
Anglais
Français
IFT 6166 – Factorisation de matrices et tenseurs pour l’apprentissage
Professeur(es)
Crédits
4
Horaire
Lundi et Mardi 9h30-11h30

Ce cours offre un survol des connections entre algèbre linéaire/multilinéaire et apprentissage automatique, et a pour but d’initier les étudiant.e.s aux nouvelles recherches dans ce domaine.

Date de début
Lieu du cours
Mila, Auditorium 2
Date de fin
- -
Langue
Anglais
IFT 6167 : Apprentissage automatique en continu
Professeur(es)
Crédits
4
Horaire
Lundi et Mercredi 14h30-16h30

Ce cours de style séminaire se concentrera sur les avancées récentes dans le domaine en développement rapide des “modèles de base”, c’est-à-dire des modèles de réseaux de neurones à grande échelle (par exemple, GPT-3, CLIP, DALL-e, etc.) préformés sur de très grands, divers ensembles de données.

Date de début
Lieu du cours
Mila, Auditorium 1
Date de fin
Langue
Anglais
MAT 6215 – Systèmes dynamiques
Professeur(es)
Crédits
4
Horaire
Lundi 13h à 16h

Ce cours est une introduction au traitement des équations différentielles non linéaires et plus généralement, à la théorie des systèmes dynamiques.

Date de début
Hiver 2025 (à préciser)
Lieu du cours
UdeM André Aisenstadt 5183
Date de fin
- -
Langue
Anglais
Français
IFT 6164 – Apprentissage antagoniste
Professeur(es)
Crédits
4
Horaire
Mercredi 15h30 à 17h30 et Jeudi 13h30-15h30

Ce cours est à l’interface entre la théorie des jeux, l’optimisation et l’apprentissage automatique. Il essaie de comprendre comment apprendre des modèles pour jouer à des jeux.

Date de début
Hiver 2025 (à préciser)
Lieu du cours
To be determined
Date de fin
- -
Langue
Anglais
MATH 80630A – Machine Learning II: Deep Learning and Applications
Professeur(es)
Crédits
3

L'apprentissage profond a connu un grand succès dans une variété de domaines tels que la reconnaissance vocale, la compréhension d'images et la compréhension du langage naturel. Ce cours vise à présenter les techniques de base de l'apprentissage profond et les progrès récents de l'apprentissage profond dans la compréhension du langage naturel et l'analyse des graphes.

Ce cours a pour but de présenter les techniques de base de l'apprentissage profond, y compris les réseaux neuronaux feedforward, les réseaux neuronaux convolutionnels et les réseaux neuronaux récurrents. Nous couvrirons également les progrès récents sur les modèles génératifs profonds. Enfin, nous présenterons comment appliquer ces techniques à la compréhension du langage naturel et à l'analyse de graphes.

Date de début
Hiver 2024 (à préciser)
Lieu du cours
HEC
Date de fin
- -
Langue
Anglais
COMP 579 – Reinforcement Learning
Professeur(es)
Crédits
4

Informatique (sciences) : algorithmes de Bandit, processus décisionnels de Markov finis, programmation dynamique, méthodes de Monte-Carlo, apprentissage par différence temporelle, bootstrapping, planification, méthodes d'approximation, apprentissage par politique de marche ou d'arrêt, méthodes de gradient de politique, abstraction temporelle et apprentissage par renforcement inverse.

Date de début
Hiver 2025 (à préciser)
Lieu du cours
To be determined
Date de fin
- -
Langue
Anglais
IFT 6765 – Links between Computer Vision and Language
Professeur(es)
Crédits
4
Horaire
Lundi et Mercredi 10h30 à 12h30

Il s'agit d'un cours séminaire sur la vision multimodale et la recherche sur le langage. Parmi les exemples récents de modèles vision-langage très performants, on peut citer GPT-4(V) et Gemini. Ce cours vous enseignera les techniques de modélisation qui sous-tendent ces systèmes, leurs lacunes, le type de tâches et d'ensembles de données sur lesquels ils sont entraînés et évalués, etc.

Date de début
Lieu du cours
Auditorium 1 - Mila
Date de fin
Langue
Anglais
IFT6390 – Fondements de l’apprentissage machine
Professeur(es)
Crédits
4

Éléments de base des algorithmes d’apprentissage statistique. Exemples d’applications en forage de données, régression non linéaire, et données temporelles et apprentissage profond.

Date de début
Hiver 2025 (à préciser)
Lieu du cours
To be determined
Date de fin
- -
Langue
Français
IFT 6168 – Causal Inference and Machine Learning
Professeur(es)
Crédits
4
Horaire
Lundi et mercredi 12h30 à 14h30

Ce cours combinera des cours magistraux et des discussions de type séminaire pour couvrir à la fois les fondements de la causalité et son intersection avec l'apprentissage automatique, un domaine qui évolue rapidement et qui est lié à la généralisation hors distribution, à la découverte scientifique et même à l'interprétabilité des grands modèles. 
 

Date de début
Lieu du cours
Mila
Date de fin
Langue
Anglais
IFT 6163 – Apprentissage automatique pour les robots
Professeur(es)
Crédits
4

Étude de concepts fondamentaux d’apprentissage automatique pour les applications robotiques et des méthodes permettant à des agents capables de s’entraîner de manière autonome, de devenir des systèmes d’apprentissage nécessitant peu de supervision.

Date de début
Hiver 2025 (à préciser)
Lieu du cours
UdeM
Date de fin
- -
Langue
Anglais
ECSE 446/546 – Realistic/Advanced Image Synthesis
Professeur(es)
Crédits
4
Horaire
Lundi et Mercredi

Ce cours présente les modèles mathématiques modernes d'éclairage et les algorithmes nécessaires pour les résoudre et générer de belles images réalistes. Les méthodes numériques traditionnelles et les approches modernes basées sur l'apprentissage automatique seront abordées.

Date de début
Hiver 2024 (à préciser)
Lieu du cours
McGill
Date de fin
- -
Langue
Anglais
COMP 345 & LING 345 – From Natural Language to Data Science
Professeur(es)
Crédits
3
Horaire
Jeudi 11h35 à 12h55

Ce cours s'adresse aux personnes qui n'ont aucune expérience en traitement du langage naturel (NLP) et qui souhaitent voir comment il peut être utilisée pour des applications passionnantes en science des données. Nous suggérons d'autres cours de NLP/CL si vous souhaitez vous concentrer sur l'aspect théorique du NLP/CL. Les sujets abordés dans ce cours sont les suivants : données linguistiques et applications, recherche dans les données, comment donner un sens aux données, modélisation du langage, langage aux décisions, recherche d'information, extraction d'information, réseaux sociaux (données Twitter et Facebook), systèmes de recommandation, éthique.

Date de début
Hiver 2025 (à préciser)
Lieu du cours
To be determined
Date de fin
- -
Langue
Anglais
COMP 588 – Probabilistic Graphical Models
Professeur(es)
Crédits
4
Horaire
Jeudi 14h30 à 16h

Le cours couvre la représentation, l'inférence et l'apprentissage avec des modèles graphiques ; les sujets de haut niveau comprennent les modèles graphiques dirigés et non dirigés ; l'inférence exacte ; l'inférence approximative utilisant des méthodes basées sur l'optimisation déterministe, ainsi que des méthodes basées sur l'échantillonnage stochastique ; l'apprentissage avec des observations complètes et partielles.

Date de début
Hiver 2025 (à préciser)
Lieu du cours
McGill
Date de fin
- -
Langue
Anglais
Professeur(es)
Crédits
4

Ce cours apprendra aux étudiants à reconnaître où et à comprendre pourquoi des problèmes éthiques et des questions politiques peuvent survenir lors de l'application de la science des données à des problèmes du monde réel. Il se concentrera sur les moyens de conceptualiser, de mesurer et d'atténuer les préjugés dans la prise de décision fondée sur les données.

Il s'agit d'un cours de troisième cycle, dans lequel nous couvrirons les méthodes d'apprentissage automatique et d'IA fiables et éthiques, en nous concentrant sur la perspective technique des méthodes qui permettent d'aborder les questions éthiques actuelles. Ces dernières années ont montré que la discrimination involontaire se produit naturellement et fréquemment dans l'utilisation de l'apprentissage automatique et de la prise de décision algorithmique. Nous travaillerons systématiquement à une compréhension technique de ce problème en tenant compte de son contexte social et juridique. Ce cours apportera une précision analytique et technique aux débats normatifs sur le rôle que la science des données, l'apprentissage automatique et l'intelligence artificielle jouent dans la prise de décisions conséquentes dans le commerce, l'emploi, la finance, les soins de santé, l'éducation, le maintien de l'ordre et d'autres domaines. Les étudiants apprendront à réfléchir de manière critique sur la façon de planifier, d'exécuter et d'évaluer un projet en gardant ces préoccupations à l'esprit, et sur la façon de faire face à de nouveaux défis pour lesquels il n'y a souvent pas de réponses faciles ou de solutions établies.

Date de début
Hiver 2025 (à préciser)
Lieu du cours
McGill
Date de fin
- -
Langue
Anglais
COMP 766 – Évaluation des systèmes de traitement du langage naturel
Professeur(es)
Crédits
4
Horaire
Lundi et Mercredi 16h05 à 17h25

Séminaire sur l'évaluation des systèmes de traitement du langage naturel. Nous examinerons les questions liées à la validité et à la fiabilité des systèmes de TAL, en nous concentrant sur les pratiques actuelles de la communauté des chercheurs. Qu'est-ce que les chercheurs cherchent à capturer dans leurs mesures des systèmes de TAL? Les évaluations actuelles remplissent-elles réellement les objectifs de mesure des chercheurs? Les évaluations sont-elles fiables et dignes de confiance? Le cours comprendra des présentations et des discussions menées par les étudiants, des analyses d'évaluations existantes et un projet final.

Date de début
Lieu du cours
McGill
Date de fin
Langue
Anglais