Apprentissage machine et I.A. appliqués au manufacturier

Description 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.

L’apprentissage machine 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 corrélations autrement très difficiles à détecter. Cette formation vous permettra d'avoir un survol de l'ensemble de ces techniques ainsi qu'un survol de différentes plateformes commerciales et gratuites.

Objectifs pédagogiques

À la fin de cette formation, vous serez en mesure de :

  • Bien définir l’objectif d’un projet d’analyse;
  • Collecter les bonnes données et les transformer adéquatement;
  • Choisir la bonne plateforme selon ses besoins;
  • Appliquer les bons algorithmes d’apprentissage machine;
  • Déployer ces outils pour l’aide à la décision.

Méthodologie

Plusieurs méthodes d’apprentissage et outils didactiques permettant de mesurer votre progrès et votre intégration des concepts par les participants sont utilisés tout au long de la formation.

  • Exposé
  • Démonstration
  • Étude de cas
  • Exercice informatique

Présentation (50 %) et exercices (50 %)

Clientèle visée

Conseillers·ères en transformation numérique, ingénieur·es de procédés, ingénieur·es qualité, responsables d’équipements, ou tous autres professionnel·les qui trouvent qu’on n’en fait pas assez avec les données.

Particularité

Atouts pour suivre la formation :
- Avoir une aisance en informatique;
- Avoir déjà des notions de statistiques;
- Avoir déjà des notions de programmation.

    • Qu’est-ce que l’intelligence artificielle?
    • Qu’est-ce que l’apprentissage machine?
    • Cas de figure;
    • Évaluation des modèles;
    • Méthodologie de projet en analyse de données;
    • Algorithmes de sélection des variables;
    • Traitement des séries temporelles;
    • Réduction des données avec l’analyse en composantes principales;
    • Apprentissage non supervisé (clustering);
    • Arbres de régression;
    • Réseaux de neurones;
    • Stratégies de déploiement.
Matthieu Lirette-Gélinas

Matthieu Lirette-Gélinas

ing. M.ing.

Matthieu est un professionnel des données ayant accumulé plus de 12 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 servit notamment chez IBM, à l’Agence du revenu du Canada et Mercedes Benz en plus d’être tuteur pour les étudiants universitaires en statistiques.

Témoignages

"Très bonne formation pour vulgariser les concepts. "
André, POLYMOS INC