Séminaires

Bienvenue aux séminaires en  Intelligence artificielle et ses applications.

Ci-dessous la liste des séminaires depuis janvier 2022 jusqu'en décembre 2024. 

IMPORTANT: Les enregistrements via Zoom sont disponibles 120 jours, après il seront supprimés sur le cloud.

Si vous souhaitez donner un séminaire en Intelligence artificielle et ses applications, n'hésitez pas à nous contacter à Nadia.Ghazzali@uqtr.ca.

========

Date : Mardi 19 novembre 2024, 13h-16h, en présence (3002 Ringuet)

Responsable: Nadjet Zioui

Séminaire-Étudiant où six étudiant.e.s  du LI2A présenteront leurs travaux, selon l'horaire suivant:

13h00-13h20:             Antoine Coutu-Doucet, « Problème Inverse: Identification des Paramètres Thermiques à l’aide des Réseaux de Neurones ».

13h20-13h40:             Mehdi Fazilat, « Artificial neural network for inverse kinematics model and singularities avoidance for an industrial robotic arm ».

13h40-14h00:             Joslin Numbi, « Particle Swarm Optimisation for car like robot trajectory tracking ».

14h00-14h20:             Kalidou Moussa Sow, « Prédiction de la corrosion dans un pipeline par apprentissage automatique ».

14h20-14h40:             Pause-café. 

14h40-15h00:             Mohamed Salah Dahassa, « Genetic algorithm for an industrial robotic arm trajectory tracking ».

15h00-15h20:             Seck Mbene Diop « Classification de tumeurs du cancer du sein à l'aide d'approches basées sur l'apprentissage automatique ». 

15h20-16h00:             Discussion.

16h00                         Clôture du séminaire.

Pour information, contactez Nadjet.Zioui@uqtr.ca

==========

Date : Mercredi 28 février 2024, 12h-13h30, en présence (4211B Albert-Tessier)

La chaire de recherche UQTR en éthique de l'IA présente la conférence de Jan Broersen sur les enjeux liés à ChatGPT

Conférencier: Jan Broersen (Utrecht)

Pour information, contactez clayton.peterson@uqtr.ca

==========

Date : Vendredi 24 novembre 2023, 10h-11h30, via Zoom

Titre: Automatisation de la prise de décision éthique : Possibilité et problèmes

Conférencier: Clayton Peterson est professeur au département de philosophie et des arts, titulaire de la Chaire de recherche UQTR en éthique de l’intelligence artificielle et vice-président du Comité d’éthique de la recherche – Psychologie et psychoéducation de son institution. Détenteur d’un doctorat en philosophie de l’Université de Montréal et d’un postdoctorat du Munich Center for Mathematical Philosophy (Ludwig-Maximilians Universität Munich), ses travaux portent notamment sur les limites théoriques et pratiques en lien avec l’automatisation du raisonnement et du comportement éthique, ainsi que sur les différentes façons d’intégrer l’éthique à la pratique et aux travaux de recherche qui se font dans les domaines de l’ingénierie et de l’informatique.

Résumé: Plusieurs auteurs au sein de la littérature scientifique en éthique des machines et en « intelligence artificielle éthique » (ethical AI) voient l’automatisation des raisonnements et des comportements éthiques comme une solution plausible pour la résolution des dilemmes moraux. Ainsi, l’idée véhiculée est non seulement que les agents artificiels autonomes moraux, comme les machines et les algorithmes, sont possibles, mais que ceux-ci pourraient éventuellement dépasser l’être humain quant à l’analyse des problèmes éthiques pratiques, à la prise de décision, ainsi qu’aux comportements éthiques.  Partant de la distinction de Moor (2006) entre les agents moraux implicites (principes éthiques imposés lors de la programmation et de la conception), explicites (capacité à représenter l’éthique et à faire des choix basés sur cette représentation) et complets (capacité à faire des jugements moraux explicites et à les « justifier »), certains auteurs, comme Anderson et Anderson (2007), soutiennent qu’un objectif important en éthique des machines est la conception d’agents éthiques explicites ou complets dont les actions seraient justifiées d’un point de vue éthique. Or, en plus d’être inquiétante, cette position repose sur une mécompréhension de ce qu’est l’éthique, en supposant notamment que celle-ci puisse se définir de manière algorithmique et fonctionnelle. En nous basant sur le pluralisme éthique et sur l’argument à question ouverte de Moore, nous argumenterons que cette prémisse est erronée et, incidemment, que les approches en éthique des machines devraient réévaluer leurs objectifs. Parallèlement, nous exemplifierons comment l’automatisation de la prise de décision basée sur la théorie du choix rationnel et l’évaluation du risque à long terme dépend de choix techniques ayant une prégnance morale, remettant ainsi en doute la possibilité d’automatiser la prise de décision éthique.

Pour participer à la conférence ZOOM:

https://uqtr.zoom.us/j/89350307726?pwd=SGt0QXNrem1FbTNxUWwxUHpsZVhCUT09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré.

ID de réunion : 893 5030 7726
Mot de passe : 359490

==========

Date : Vendredi 20 octobre 2023, 10h-11h30, via Zoom 

Titre : Equité et explicabilité des algorithmes:  définitions, paradoxes et biais

Conférencier: Gilbert Saporta  est professeur émérite du Conservatoire national des arts et métiers (CNAM) à Paris (chaire de statistique appliquée) depuis 2014 après y avoir exercé pendant 30 ans. Il a enseigné également dans différentes grandes écoles. Ses recherches portent sur la Science des Données. Il a dirigé 29 thèses de doctorat et conserve une activité de consultant. Il est également président d'honneur de la Société Française de Statistique. Il a dirigé l'International Association for Statistical Computing et a été vice-président de l'International Statistical Institute. 

Résumé : L'équité ou fairness des algorithmes suscite une abondante littérature. Sur un plan qualitatif, on examinera les liens entre équité, explicabilité et interprétabilité. On peut penser qu'il vaut mieux comprendre le fonctionnement d'un algorithme pour savoir s'il est équitable, mais en fait il n'en est rien car la transparence ou l'explicabilité sont relatives à l'algorithme alors que l'équité concerne son application différenciée à des groupes d'individus. Suivant Rudin (2019)  on distinguera l'interprétabilité, qui est liée à la simplicité, de l'explicabilité qui est en général post-hoc avec des approches globales ou locales, agnostiques ou spécifiques, utilisant souvent des modèles de substitution (Molnar, 2021). La diversité des mesures d'équité ne simplifie pas son appréhension : Verma et Rubin (2018) en ont dénombré plus de vingt qui conduisent d'ailleurs à des incompatibilités comme l'illustre la controverse  concernant l'application « COMPAS » de prédiction de la récidive. Les « biais » des algorithmes ne sont souvent que la reproduction de ceux des décisions antérieures que l'on retrouve dans les données d'apprentissage. Mais ce ne sont pas les seuls. On tentera de dresser une typologie des principaux biais : statistiques, sociétaux, cognitifs, etc. 

Pour participer à la conférence ZOOM: 

https://uqtr.zoom.us/j/83762799743?pwd=ZFUwVTVwbitnZDZFNTlJVllHc3FZZz09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré.

ID de réunion : 837 6279 9743 

Mot de passe : 302877

Pour accéder à l'enregistrement ZOOM (disponible 120 jours à compter du 20 octobre 2023)

==========

Date : Mardi 5 septembre 2023, 11h-12h, en présentiel, salle 3095 Ringuet, UQTR

Titre: Sélection de gènes pour la classification de cancer

Conférencier: Sidi Mohamed Douiri est professeur au Département de mathématiques de la faculté des sciences, Université Mohammed V, Rabat, Maroc. He is member of the French Society of Operational Research and Decision Support (ROADEF). He received his PhD in Applied Mathematics, Optimization and modeling from Mohammed V University of Rabat. He has participated in many research projects and published several papers in international journals and conferences. His research focuses on mathematical and computer optimization, the solution of large-scale combinatorial search problems and on the design of effective heuristic methods for practical applications, mathematical modeling, numerical simulation, stochastic process, partial differential equations.

Résumé: Dans les études liées au cancer, la technologie de puces à ADN est souvent utilisée pour identifier les gènes qui peuvent avoir un rôle fonctionnel important dans la croissance tumorale. En conséquence, un diagnostic précis et rapide d’une maladie cancéreuse ainsi que la classification de ses sous-types constituent les principaux défis auxquels le secteur médical doit faire face aujourd'hui.

La sélection de gènes représente une étape cruciale et un domaine de recherche largement abordé dans l’analyse des puces à ADN. Cela requiert le développement d’approches spécifiques, étant donné que le nombre de gènes dépasse considérablement celui d’échantillons (expériences ou observations), la sélection d’un sous ensemble de gènes est un problème NP-difficile pour lequel des méthodes avancées d'optimisation combinatoire sont mises en œuvre. L'objectif est d'obtenir un meilleur compromis entre la pertinence et la redondance des gènes ainsi que les caractéristiques du classifieur afin d’atteindre de meilleures performances de classification en utilisant moins de gènes.

==========

Date : Jeudi 16 février 2023, 19h-20h, via Zoom

Titre: Atelier de moissonnage Web avec Python

Conférencier : Jean-Hugues Roy est professeur au programme de journalisme de l'École des médias de l'UQAM. Il s'intéresse à l'impact des technologies sur le journalisme en général, à celui des plateformes socionumériques sur le financement de l'information en particulier. Il fait généralement usage de méthodologies informatiques dans ses recherches et enseigne l'utilisation de la programmation (en python) à des fins journalistiques depuis près de 10 ans.

Résumé: Nous avons le plaisir de vous inviter à un atelier de programmation pratique en langage Python pour moissonner le Web à la recherche de données massives et pertinentes qui pourront ensuite être traitées en mode local par des logiciels d'analyse de données. Jean-Hugues Roy est professeur à l'École des médias de l'UQAM et il enseigne notamment le journalisme, les méthodes de recherche en journalisme et le journalisme de données. Dans le cadre de l'atelier, le professeur Roy présentera une structure de code en langage Python qui permet de collecter les différentes éditions d'un périodique québécois dans les archives numériques de l'éditeur. Il proposera aussi quelques variantes de code qui permettront d'adapter le travail de l'algorithme à différents autres formats de pages Web. L’atelier sera animé par Éric Poirier et présenté dans le cadre du cours TRA6028 Traductologie de corpus du programme de maîtrise en traduction.

Pour participer à la conférence ZOOM: 

https://uqtr.zoom.us/j/84849139865?pwd=dDdTbFBubTFCZWhxNjhVMmhUZ2k4Zz09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré.

 ID de réunion : 848 4913 9865

Mot de passe : 323121 

Pour plus d’information, contacter Éric Poirier : Eric.Poirier@uqtr.ca

Pour accéder à l'enregistrement ZOOM (disponible 120 jours à compter du 16 février 2023)

https://uqtr.zoom.us/rec/share/aMns0poQ4p2H4KyQSsciCgcY9_9zAYckPncffUNYnP7Npy4rt325OF9WAsNaBRzf.oPACtDCt2ZFEsxo3

Code secret: 63%e.DYL

==========

Date : Vendredi 4 novembre 2022, 10h-11h30, via Zoom 

Pour accéder à l'enregistrement ZOOM (disponible 120 jours à compter du 4 novembre 2022)

https://uqtr.zoom.us/rec/share/ZX3MWh41CwRrYh4JWdjiCAO6eH_cFL16Jkplv7b7Cgwv6hwkxEoyUhdnwD0qtflY.Yu7Lx2S96NWwWvKY
Code secret : 0N&Bp#fZ

===========

Date : Vendredi 14 octobre 2022, 10h-11h30, via Zoom

Titre: L'intelligence artificielle en oncologie : Des pistes prometteuses pour le diagnostic, le pronostic et la conception de nouvelles thérapies

Conférencier : Venkata Manem est professeur sous octroi au département de mathématiques et d’informatique à l’UQTR. Mathématicien appliqué de formation, il a obtenu son doctorat en mathématiques appliquées, plus précisément dans la discipline de l'oncologie mathématique à l'Université de Waterloo. Par la suite, il a travaillé en tant que chercheur postdoctoral à la Harvard Medical School & Massachusetts General Hospital ainsi qu'au Princess Margaret Cancer Center. Le but était de résoudre les problèmes difficiles qui se posent en oncologie par l'application d'approches mathématiques basées sur l'intelligence artificielle (IA). En 2018, il a rejoint le Centre de recherche de l'Institut universitaire de cardiologie et de pneumologie de Québec Université Laval (IUCPQ) en tant que chercheur en bioinformatique. Actuellement, Venkata Manem est boursier FRQS Junior 1 en IA et santé numérique. Ses recherches sont centrées sur l'application de la bioinformatique et des approches basées sur l'IA pour caractériser les mécanismes moléculaires du cancer et développer des traitements personnalisés basés sur les données. UQTR.

Résumé: Avec la disponibilité du séquençage de nouvelle génération et d'autres technologies de profilage, la dernière décennie a vu un changement de paradigme dans la gestion clinique du cancer, passant de la stratégie traditionnelle de «taille unique» à une médecine de précision axée sur les biomarqueurs. Bien que des progrès considérables aient été réalisés dans le développement de nouveaux biomarqueurs, leur efficacité pour une meilleure gestion thérapeutique reste problématique. Par exemple, seuls 20 à 30 % des patients atteints de cancer du poumon à cellules non petites bénéficient des inhibiteurs de points de contrôle immunitaires. En outre, il existe un manque important de biomarqueurs génomiques capables de prédire la réponse aux radiations chez les patients. Partant de ce principe, l'objectif principal est d'utiliser des approches translationnelles basées sur la bioinformatique et l'intelligence artificielle pour obtenir des informations biologiquement significatives. Le but est de développer des régimes thérapeutiques basés sur la génomique. Cet exposé présentera plusieurs projets liés à la découverte de biomarqueurs en immuno et radio-oncologie qui peuvent potentiellement guider le patient tout au long du parcours clinique et permettre des interventions cliniques en temps réel.

Pour participer à la conférence ZOOM: 

https://uqtr.zoom.us/j/85413995096?pwd=TFlqR2FSaUdaQkxnYVQ0YnFkQ3oxZz09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré.

ID de réunion : 854 1399 5096
Mot de passe : 398265

===========

Date : Vendredi 23 septembre 2022, 10h-11h30, via Zoom 

Titre : L'apprentissage par renforcement en neurosciences - Entre la simulation et la réalité

Conférencière: Audrey Durand (Canada CIFAR AI Chair) est professeure adjointe au département d'informatique et de génie logiciel ainsi qu’au département de génie électrique et génie informatique de l'Université Laval. Elle est membre académique associé de Mila (Institut québécois d’IA) et elle dirige l'axe Méthodes d'intelligence artificielle et traitement des données de l'Institut de l'intelligence et des données de l'Université Laval. Elle est reconnue pour ses travaux sur l'apprentissage par renforcement et les algorithmes de bandit, tant théoriques qu'appliqués, ainsi que sur l’utilisation des stratégies d'apprentissage interactif dans le domaine de la santé. Université Laval.

Résumé : L'apprentissage d'un comportement pour effectuer une tâche donnée peut être réalisé en interagissant avec l'environnement. C'est l'essence même de l'apprentissage par renforcement (RL), où un agent (automatisé) apprend à résoudre un problème par un processus itératif d'essais et d'erreurs. Par conséquent, ces méthodes nécessitent généralement de pouvoir intervenir sur l'environnement et de faire (éventuellement un très grand nombre) d'erreurs. Bien que cela puisse être un facteur limitant dans certaines applications, des environnements de RL simples, comme les environnements de bandit, peuvent encore accueillir une variété de problèmes pour l'apprentissage interactif de comportements. Dans d'autres situations, la simulation peut être la clé. Dans cet exposé, nous montrerons que le RL peut être utilisé pour formuler et résoudre des problèmes d'acquisition de données (imagerie) en neurosciences. Nous verrons comment les méthodes de bandit peuvent être utilisées pour optimiser l'imagerie de super-résolution en apprenant sur des dispositifs réels à travers un processus empirique réel. Nous verrons également comment la simulation peut être exploitée pour apprendre des stratégies de prise de décision plus séquentielles. Ces applications soulignent le potentiel du RL pour aider les utilisateurs experts dans des tâches difficiles et permettre de nouvelles découvertes.

Pour participer à la conférence ZOOM: 

https://uqtr.zoom.us/j/89117750390?pwd=dVltelRydUtlc2RvSWNWa1hMM1IxUT09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré.

ID de réunion : 891 1775 0390

Mot de passe : 400569

Pour accéder à l'enregistrement ZOOM (disponible 120 jours à compter du 23 septembre 2022)

https://uqtr.zoom.us/rec/share/LiTEwOs6GGLeXGfSrhCYF0wh4JTMu0VIh85UuZVCacbp02uvZqNBSzvKFcIyuZlL.Y7Mmalhg2EtFXKA9
Code secret : K%+dTZ0g

===========

Date : Mercredi 27 avril  2022, 13h30-15h30, en commodal (hybride), salle UQTR B 1222 Albert Tessier et par Zoom.

Titre : Deux exemples d’application de l’analyse aux problèmes d’apprentissage

Conférencier: Olivier Lafitte,  directeur de l’Unité Mixte Internationale – Centre de Recherches Mathématiques (UMI-CRM) est professeur à l’Institut Galilée de l’Université Paris 13 à Villetaneuse et chercheur au Laboratoire d'Analyse, Géométrie et Applications (LAGA) ainsi que membre de l’équipe Modélisation et Calcul Scientifique. Il assure aussi la direction de l'école graduée (formation d'ingénieur) en mathématiques appliquées à l'Université Paris 13, MACS (Mathématiques Appliquées et Calcul Scientifique) depuis 2003. Il est aussi professeur invité à l’Ecole des Mines de Paris depuis 1995, et professeur invité à l’Ecole Centrale de Marseille et l’Ecole Centrale de Casablanca (depuis 1996 et 2016 respectivement). M. Lafitte est un ancien élève de l'École Polytechnique de Palaiseau en France (l’X), promotion 1984. UMI-CRM, U. de Montréal, U. Sorbonne Paris Nord, INP Grenoble.

Résumé : Une première partie sera consacrée à un problème d’apprentissage supervisé classique pour lequel une solution analytique est possible. Une idée classique en apprentissage supervisé consiste à calculer un classifieur fort en combinant des classifieurs faibles, ADABOOST en est une implémentation. Nous étudions ce problème dans le cas particulier de trois classifieurs et de deux classes en introduisant une représentation originale du coût basée sur une table de vérité. Cette approche permet d’identifier directement le classifieur résultant (et de calculer sa performance) sans avoir besoin d’exécuter un algorithme numérique ni même d’avoir recours un substitut convexe du problème. Cependant, les substituts convexes étant très largement utilisés, quelques uns ont été comparés avec cette approche, et les différences entre les classifieurs résultants, la robustesse de ces résultats ainsi que ceux de la méthode logique sont explorés. Une deuxième partie essaie d’apporter un éclairage amusant sur la méthode très souvent employée dans les problèmes de classification qui est la méthode des noyaux reproduisants. Ces noyaux reproduisants s’appuient sur la construction d’éléments Kx d’un espace de Hilbert H tels que < Kx , φ >= φ(x) pour toute fonction φ de l’espace de Hilbert. Il est souvent acquis dans les problèmes de classification (Kernel trick) qu’une matrice Ki,j associée à des points xi , xj dans la base d’exemples considérés est la trace sur la base d’exemples d’une application x → Kx de X (espace dans lequel les exemples sont choisis, typiquement Rd) dans un espace de Hilbert inconnu H pour lesquels < Kxi,Kxj >= Ki,j. Nous construisons Kx pour des espaces de Hilbert simples en dimension d = 1 qui sont H1([−1, 1]), H_01([−1, 1]), H1(R).

Pour participer à la conférence ZOOM:

https://uqtr.zoom.us/j/82939544298?pwd=bWRDdG1WUWUzK3FtTW1INTRJelF5Zz09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré.

ID de réunion : 829 3954 4298
Mot de passe : 187235

===========

Séminaire conjoint avec Clayton Peterson, professeur au département de philosophie et des arts et membre du LI2A

Date : Vendredi 22 avril 2022, 13h-14h, en présence au 4020- Ringuet

Titre : L'évolution du raisonnement collectiviste

Conférencier: Olivier Roy, professeur et directeur du département de philosophie à l'Université de Bayreuth (Allemagne). Après avoir terminé son baccalauréat et sa maîtrise en philosophie à l'UQTR, il a joint l'université d'Amsterdam pour faire un doctorat en logique sous la supervision de Johan van Benthem, qu'il a terminé en 2008. Il a principalement travaillé sur les questions liées à la rationalité dans l'interaction stratégique, l'apprentissage et la révision des croyances dans les réseaux sociaux, la structure et la justification des normes, et la philosophie de l'action collective. Pour ce faire, il a recours à la logique, à la théorie de la décision et des jeux, ainsi qu’à des simulations informatiques. Allemagne.

Résumé: Dans cet exposé, je discuterai d'un certain nombre de contributions récentes et originales en lien avec la question de la stabilité évolutionnaire du raisonnement collectiviste ou en équipe (team reasoning). Le raisonnement collectiviste est une extension de la théorie classique des jeux dans laquelle les joueurs décident en se demandant « que devrions-nous faire ? » au lieu de « que devrais-je faire ? ». La théorie postule que ces joueurs subissent une transformation de leur préférence et de leurs objets de choix. Ils adoptent la préférence du groupe, et prennent leur décision en comparant les résultats des actions coordonnées du groupe, au lieu de leurs propres actions individuelles. Comme il s'agit là de deux écarts importants par rapport à la théorie classique des jeux, cela soulève naturellement la question de savoir comment cela peut se produire, à laquelle les approches évolutionnaires peuvent aider à répondre. L'exposé inclura une courte introduction à la théorie des jeux, et à celle du raisonnement collectiviste.

Pour toute information: contactez clayton.peterson@uqtr.ca

===========

Date : Vendredi 8 avril 2022, 10h-12h, via Zoom 

Titre : Vers une intégration pertinente de l’IA en science forensique

Conférencier: Frank Crispino, professeur en criminalistique au Département de chimie, biochimie et physique de l’ UQTR. Ancien élève de l’Ecole de l’Air (Académie française de l’armée de l’Air), licencié en droit (LLB) de l’Université de Paris XI - Sceaux, titulaire d’un diplôme d’identification odontologique de l’Université de Nancy, d’un diplôme d’études approfondies (DEA ou master 2) et d’un doctorat (suma cum laude) en science forensique de Lausanne (Suisse), breveté de l’Ecole de guerre française, le Colonel Crispino a rejoint l’académique en 2012 après 29 ans de service sous statut militaire, 25 ans de gendarmerie nationale française. Il a également agi à titre de conseiller forensique du Conseil spécial européen en matière de lutte contre le terrorisme en Cisjordanie et dans la Bande de Gaza (EUSAO) de 1999 à 2002. Il est l’un des co-auteurs de la Déclaration de Sydney (2022) appelant à la reconstruction de la science forensique. UQTR.

Résumé : Alors que la transformation numérique de notre environnement bouscule la pratique des « sciences judiciaires », l’intégration de l’IA pour participer à la résolution des crimes et des délits donne l’occasion de s’interroger sur la science au profit de la justice, condition préalable à la pertinence de l’apport de l’IA dans ce domaine. Après avoir soutenu l’inadéquation du modèle forensics actuel, et proposé un changement de paradigme pour définir la science forensique, le conférencier exposera les besoins de la forensique auxquels l’IA pourrait apporter une plus-value, tout en précisant les limites actuellement perçues de cette collaboration. Informés des attentes des forensiciens, l’auditoire sera alors invité à réfléchir aux modalités d’un inéluctable et riche partenariat, déjà initié à l’UQTR.

Pour participer à la conférence ZOOM: 

https://uqtr.zoom.us/j/83138560945?pwd=SFJxOVNuaXlzdFVCRE1naEtMVXIwQT09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré

ID de réunion : 831 3856 0945

Mot de passe : 257085

Pour accéder à l'enregistrement ZOOM:

https://uqtr.zoom.us/rec/share/7rlyIrbEPs6c7OOiVl9GyYNHh0SfgZlSn7WbCk-S7qKNB3GregQ_7qLIwRZIH_w.-rehMY9CUY5wOovr

Passcode: 35j$yCSR

===========

Date : Vendredi 1er avril 2022, 9h-11h, via Zoom 

Titre : La science des données au cœur de la stratégie d’innovation chez  Cascades

Conférencier:  Louis Rompré, Ph.D en informatique cognitive de l’UQAM, oeuvre chez Cascades depuis plus de 15 ans. Il est actuellement responsable de la valorisation des technologies innovantes liées à l’intelligence artificielle au sein du Centre d’innovation corporatif de Cascades. Il  a été auparavant en charge de la conception, du développement ou de la livraison de plusieurs systèmes manufacturiers et financiers de grande envergure. Il a également dirigé l’équipe de gestion de projet responsable de la livraison du système SAP dans les unités de Cascades en Amérique du Nord.  De plus, il est membre du LI2A et chargé de cours à la Polytechnique où il enseigne les fondements de l’intelligence artificielle et ses applications en entreprise. Cascades.

Résumé : L’engouement pour l’intelligence artificielle contribue à changer la perception que les entreprises manufacturières ont de leurs données. Autrefois perçues comme un sous produit des opérations, les données sont de plus en plus considérées comme un actif organisationnel important. La valorisation de cette ressource renferme son lot de difficultés et requiert une importante gestion du changement. Il est donc nécessaire d’adopter une stratégie tenant compte du facteur humain. Lors de ce séminaire, il vous sera présenté comment Cascades a positionné la science et les données au cœur de ses innovations afin de lui permettre de résoudre des problèmes d’affaires, de développer de nouveaux produits et d'améliorer ses opérations.

Pour participer à la conférence ZOOM: 

https://uqtr.zoom.us/j/84977667211?pwd=cEdxMTRmVTNFVURHV24vUWJYUkNhQT09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré

ID de réunion : 849 7766 7211
Mot de passe : 959029

Pour accéder à l'enregistrement ZOOM:

https://uqtr.zoom.us/rec/share/tbcRXKK6Dx79nmJjGsthbb34RCN_2XNXLAeE4NiWnO8ljdlF1zUmUKq0HSWVCcpb.23H4PlBQRX4s3XPK

Passcode: 01J0GAS^

===========

Date : Vendredi 25 mars 2022, 10h-12h, via Zoom

Titre : Méthodes mathématiques de criblage des traductions hors normes

Conférencier: Éric André Poirier, professeur de traduction au Département des langues modernes et de traduction de l'UQTR, a exercé le métier de traducteur professionnel pendant près de 20 ans. Il est l’auteur du manuel Initiation à la traduction professionnelle : Concepts clés publié en 2019. Il a conçu et programmé un algorithme en langage Python qui traite et analyse des données textuelles massives dans des corpus parallèles de traduction. UQTR.

Résumé : Ma présentation porte sur les méthodes d'analyse formelle des paires de segments de textes parallèles qui sont au carrefour du traitement automatique des langues naturelles et de la linguistique de corpus, aussi appelée textométrie. La linguistique de corpus fournit un cadre dans le traitement des données textuelles et des outils d'analyse empiriques qui fondent la traductologie de corpus et qui permettent de dégager des généralisations sur les techniques, les écarts et les difficultés de traduction qui se manifestent dans les textes parallèles. Je vais présenter deux méthodes mathématiques d'analyse des paires de segments bilingues (segment source aligné à un segment cible), à savoir la précision informationnelle des traductions et la distance euclidienne de traduction. Ces méthodes recourent à la mesure du volume informatif, de la longueur en caractères et du compte de mots totaux, trois caractéristiques linguistiques dont la corrélation statistique mesurée entre les segments source et cible alignés est très forte (supérieure, en moyenne, à 0,97 sur 1). Ces méthodes permettent de cribler les paires de segments hors normes des corpus parallèles de traduction pour les besoins de l'évaluation de la qualité des traductions, du contrôle de la qualité et de la révision professionnelle. Dans la présentation de ces méthodes, j'aborderai leurs principaux avantages et inconvénients, et je proposerai des améliorations possibles de celles-ci à partir d'autres techniques du traitement automatique des langues naturelles, de la traduction automatique et de l'intelligence artificielle.

===========

Date : Vendredi 18 mars 2022, 10h-12h, via Zoom 

Titre : Intelligence artificielle et modélisation  

Conférencier: Jean-Guy Meunier, Professeur au département de philosophie et au programme doctoral d’informatique cognitive. Co-directeur du Laboratoire de l’analyse cognitive de l’information de l’UQAM. Membre de l’Institut des sciences cognitives, du Centre de recherche en IA  de l’UQAM.  Membre émérite de l’Académie internationale de philosophie des sciences  de Bruxelles, UQAM.

Résumé : De quelle nature est la pratique scientifique de l’intelligence artificielle. La définition classique de la science comme productrice de théories formelles et systématiques, mais empiriquement vérifiables ne lui convient que partiellement. Elle n’est pas non plus qu’une technologie pour le traitement de l’information. La philosophie des sciences récente nous invite à voir l’IA de manière pragmatique, c’est-à-dire comme une pratique de création des modèles de divers types, mais aux formes et paramètres propres. Parmi ceux-ci, on trouvera entre autres les modèles conceptuels, formels, computationnels et technologiques. Son défi est : a) Le respect de la signature propre de chacun de ces types de modèle et b) De la création de leur interaction pour l’émergence de connaissances nouvelles du monde, mais aussi de notre action sur lui.

Pour participer à la conférence ZOOM: 

https://uqtr.zoom.us/j/81089976396?pwd=Rk1BRE5aWEpIRytYeFE3MUNqU0daZz09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré.

ID de réunion : 810 8997 6396

Mot de passe : 237270

Pour accéder à l'enregistrement ZOOM:

https://uqtr.zoom.us/rec/share/dzrrmG5XGY8MpcdEKAVrN7_wVlHXiGMVQ8WK3qn1MOO0KnwdJJ3SDyB33WGcsfyp.KxqXee8lTddBaUrW

Passcode: 6Ot*.tV0

===========

Date : Vendredi 11 mars 2022, 10h-12h, via Zoom 

Titre : L'Intelligence Artificielle en Mécatronique: Applications et opportunités

Conférencière: Nadjet Zioui, Professeure au département de génie mécanique, membre du LI2A, UQTR.

Résumé: L'intelligence artificielle connait de plus en plus d'essor et d'applications dans divers domaines, et l'ingénierie n'échappe pas à cette nouvelle tendance. En mécatronique plus spécifiquement, où diverses spécialités se croisent et se complètent de façon synergique pour former un tout, l'IA touche de très près les composantes fondamentales de la discipline à travers les objectifs, outils et implémentations. La conférencière présentera ses principaux axes de recherche et se penchera sur les opportunités en lien avec l'IA et ses applications en mécatronique.

Pour participer à la conférence ZOOM: 

https://uqtr.zoom.us/j/82505547723?pwd=N2loZE1tMnAxNG9UZm82RzNscUJ3dz09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré.

ID de réunion : 825 0554 7723

Mot de passe : 698486

Pour accéder à l'enregistrement ZOOM:

https://uqtr.zoom.us/rec/share/lg29pgYwgb_sIMxXyFEo6qltpr4DM_CJYYEwTxJjcW7-5jMeS3-sBilJ3MuIpYiX.pOfhqKKU70_NhCSP

Passcode: =u@pb6D2

===========

Date : Vendredi 25 février 2022, 10h-12h, via Zoom 

Titre : Microscopie, neurosciences et IA: Développer des microscopes intelligents pour caractériser l’architecture du cerveau à l’échelle nanométrique

Conférencière: Flavie Lavoie-Cardinal, Professeure au département de psychiatrie et de neurosciences, chaire de recherche du Canada en nanoscopie et plasticité cellulaire et chercheuse au Centre de recherche CERVO, Université Laval.

Résumé: Understanding how our brain functions require tools to observe processes at multiple scales, from the interconnected brain hemispheres to the molecular interactions at synapses. Advanced bioimaging tools allow us to study the central function of synapses in the communication between brain cells, playing a role in learning and memory, but also potentially being the site of early signs of neurodegeneration. Concurrently, the development of AI-based analysis tools is transforming our ability to discover and characterize rare phenomena that may influence these synaptic connections and thus to discover new mechanisms influencing the proper functioning of our brain. We design machine and deep learning tools to perform quantitative analysis of optical microscopy images and to optimize image acquisition processes of neuronal nanostructures using high-end super-resolution optical microscopes.

Pour participer à la conférence ZOOM: 

https://uqtr.zoom.us/j/83430179967?pwd=cnpwWTJJN1c5WGFhZzduZXJlR2RxUT09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré.

ID de réunion : 834 3017 9967

Mot de passe : 555873

===========

Date :  Lundi 14 février 2022, 11h-13h, via Zoom 

Titre : Apprentissage automatique et apprentissage profond, domaines phares de l'intelligence artificielle moderne

Conférencier : Christian Gagné, Professeur au département de génie électrique et de génie informatique, directeur de l'Institut intelligence et données (IID), titulaire de la Chaire en intelligence artificielle Canada-CIFAR, membre du Laboratoire de vision et systèmes numériques (LVSN) et membre associé à Mila, Université Laval.

Résumé : L'apprentissage automatique de façon générale et l'apprentissage profond de façon plus particulière sont des domaines d'importance qui propulsent l'intelligence artificielle à l'avant-plan des développements technologiques contemporains. Mais en quoi consistent ces domaines plus précisément? Quels sont les principes sous-jacents à ces approches? Et dans quel contexte peut-on les appliquer? Dans ce séminaire, le conférencier tentera de répondre à ces questions, par une présentation des principales approches qui sont maintenant couramment utilisées, les idées au cœur de celles-ci ainsi que les situations où on peut escompter les utiliser avec succès.

Pour participer à la conférence ZOOM: 

===========

Date: Vendredi 4 février 2022, 10h-12h, via Zoom

Titre: L'IA en santé: Des perspectives prometteuses et des défis uniques

Conférencier: Mathieu Godbout, Doctorant en apprentissage automatique, Institut Intelligence et Données (IID), Département d’informatique et de génie logiciel. Université Laval.

Résumé: Le conférencier nous présentera ses travaux de recherches portant sur les applications de l'apprentissage par renforcement ainsi que l'IA au sens plus large dans des situations et des domaines posant des défis uniques comme la santé.

Pour participer à la conférence ZOOM:

https://uqtr.zoom.us/j/89539867251?pwd=ZDlzTHZEL0trNkxkYmZJcSs1ck15dz09

Séminaire conjoint avec l'équipe de recherche de Jean-Guy Meunier (UQAM)

Date: Vendredi 28 janvier 2022, 9h-11h, via Zoom

Titre: Les systèmes applicatifs typés: vers un cadre formel pour une «intelligence collaborative»

Conférencier: Ismaïl Biskri, Directeur du LI2A et professeur au département de mathématiques et d'informatique, UQTR.

Résumé: Le conférencier présentera le modèle des systèmes applicatifs typés, de la logique combinatoire et comment les utiliser dans une perspective collaborative. Il présentera également la capacité générative du modèle.

Pour participer à la conférence ZOOM: 

https://uqtr.zoom.us/j/85794170292?pwd=RE5YOU1VYzZ1dnp1QW9mRmZ1WlRHZz09

Attention: Cette activité peut être enregistrée. Merci de ne pas y accéder si vous ne voulez pas être enregistré.

ID de réunion : 857 9417 02

Mot de passe : 701009

===========