Ce cours a pour objectif d’introduire les fondements mathématiques et informatiques au cœur des méthodes d’analyse de données sur lesquelles se basent de nombreux systèmes d’intelligence artificielle modernes. Le but de cette introduction est triple; sensibiliser aux enjeux derrières les données à l’ère du numérique; comprendre les fondements scientifiques de l’apprentissage automatique et enfin être capable de mettre en œuvre une approche algorithmique et une réalisation informatique d’une solution répondant à des besoins métiers spécifiques. La notion d’IA sera abordée dans ce cours à travers le spectre des méthodes d’apprentissage automatique; en particulier dans un contexte d’apprentissage supervisé. Contrairement aux études statistiques traditionnelles; l’apprentissage automatique est confronté à des problématiques de gestion de grand volume de données en grande dimensionnalité avec bien souvent une moindre maîtrise des processus de collecte de données et de ses propriétés statistiques. Ce cours s’attardera ainsi essentiellement sur les enjeux et problèmes liés aux données: données biaisées; manquantes; erronées; déséquilibrées ou encore confidentielles. Une bonne compréhension et gestion de ces problèmes est essentielle afin que les algorithmes qui les utilisent n’engendrent pas des problèmes de biais; d’équité; de sécurité ou encore de protection de la vie privée. Un cas d’étude complet sera étudié tout au long du cours allant de la collecte d’une base de données jusqu’à son utilisation par un algorithme d’apprentissage en passant par diverses étapes de prétraitements et d’analyses.
