À la fin de ce cours, l’étudiant sera en mesure de concevoir des systèmes prédictifs destinés aux entreprises de production de biens et services. L’environnement moderne de production exige des solutions qui anticipent l’évolution du marché tout en identifiant les paramètres qui contribuent à l’amélioration de la productivité. Les systèmes prédictifs permettent la prédiction des résultats futurs en évaluant des ensembles de données historiques et transactionnelles.

Conception par intégration et adaptation : méthode factorielle, méthode de transformation orthogonale, correspondances multiples, modèle régressif, apprentissage par arbre de décision. Technologies de classification automatique : naïve Bayes, K plus proches voisins, réseaux de neurones et machines à vecteurs de support.

Critères de conception : méthodes d’apprentissage supervisé et non supervisé. Sur-apprentissage et sous-apprentissage. Apprentissage paramétrique et non paramétrique. Apprentissage profond.

Séances de laboratoire axées sur la conception de systèmes prédictifs pour le secteur manufacturier et des services. Création d’outils de prédiction par la sélection et l’adaptation et l’extension des techniques vues en classe.

Les séances de cours et de laboratoire seront dédiées à la conception et à l’application de solutions utilisant les technologies d’analyse de données et d’apprentissage automatique. Cette approche permettra aux étudiants d’apprendre et d’appliquer les étapes de conception dans la réalisation de systèmes prédictifs orientés vers les besoins de l’entreprise. Plus spécifiquement, au terme de ce cours, les étudiants devront être capables :

• De réaliser différentes analyses exploratoires multidimensionnelles avec des données numériques et nominales;
• De reconnaître les éléments d’un système prédictif;
• De réaliser les interconnexions logiques entre l’analyse de données et l’apprentissage automatique;
• D’adapter ces technologies de l’intelligence artificielle au secteur manufacturier et des services;
• De concevoir des systèmes prédictifs à l’aide d’une plateforme infonuagique;
• De déployer ces systèmes prédictifs.

39           heures de cours

24           heures de laboratoires

3 heures de travail personnel par semaine

La lecture et la compréhension des notes de cours est obligatoire pour la réussite de ce cours.

Trois (3) heures de cours par semaine. Les séances de cours sont des moments privilégiés pour présenter et expérimenter différentes techniques de conception. Les difficultés rencontrées et les approches de contournement seront discutées afin d’identifier les solutions les plus efficientes.

Deux (2) heures de laboratoire par semaine serviront à poursuivre l’expérimentation et l’application des techniques de conception. Les solutions identifiées en classe seront déployées. Les résultats obtenus seront analysés et discutés.