Intelligence artificielle appliquée au manufacturier

But de la formation

Faire parler les données présentes dans votre environnement pour régler un problème de qualité, optimiser un processus et accroitre la fiabilité, entre autres.

Description

L’intelligence artificielle ne s’adresse pas qu’à l’élite. Plusieurs techniques sont de plus en plus accessibles et permettent de faire émerger des tendances, patterns et corrélation autrement très difficiles à détecter.

Objectifs

- Bien définir l’objectif d’un projet d’analyse
- Collecter les bonnes données et les transformer adéquatement
- Appliquer les bons algorithmes d’apprentissage machine
- Déployer ces outils pour l’aide à la décision.

Méthodologie

Présentation (50%) et exercices (50%)

Clientèle visée

Ingénieur de procédés, ingénieur qualité, responsable d’équipements, ou tout autre professionnel qui trouve qu’on n’en fait pas assez avec les données disponibles

    • Qu’est-ce que l’intelligence artificielle?
    • Cas de figure
    • Méthodologie CRISP-DM
    • Validation, traitement et préparation des données
    • Réduction des données avec l’analyse en composantes principales
    • Apprentissage non supervisé (clustering)
    • Régression linéaire et logistique
    • Arbres de régression
    • Réseaux de neurones
    • Évaluation des modèles
    • Stratégies de déploiement
Matthieu Lirette-Gélinas

Matthieu Lirette-Gélinas

ing. M.ing.

Matthieu Lirette-Gélinas est un professionnel des données ayant accumulé plus de 10 ans d’expérience dans le marché manufacturier. Ingénieur de formation et détenteur d’une maîtrise en gestion de l’ingénierie, il a mis en place plusieurs processus d’analyses prédictives en plus de jouer un rôle crucial dans la résolution de centaines de problèmes de production, incluant des crises majeures. Matthieu est reconnu par ses pairs comme un excellent vulgarisateur et communicateur. Il servi notament chez IBM, à l’Agence du revenu du Canada et Mercedes Benz en plus d’être tuteur pour les étudiants universitaires en statistiques.