µç³µÎÞÂë

La spécialisation en apprentissage automatique (Machine Learning Specialization) est un programme en ligne de base créé en collaboration entre DeepLearning.AI et Stanford Online. Elle offre une introduction générale à l’apprentissage automatique moderne. Les sujets abordés incluent l’apprentissage supervisé, l’apprentissage profond, les arbres de décision et plus encore.

Organisation : Stanford School of Engineering

Formateur : Andrew Ng et al.

Plateforme : Coursera

Horaire : à la demande

Durée : 2 mois à raison de 10 heures par semaine

Nombre de modules : 3

Thème : IA / apprentissage automatique

Lien avec la santé : non

Préalable : aucune connaissance préalable requise

Langue : en anglais

Frais d'inscription

(en anglais seulement).

Vous souhaitez en apprendre davantage sur la science des données, mais ne savez pas par où commencer? Cette spécialisation de 4 cours (Introduction to Data Science Specialization) offerte par IBM vous transmettra les compétences fondamentales dont toute personne aspirant à une carrière en science des données a besoin, ou encore pour entreprendre une formation plus poussée dans le domaine. Elle vous initiera à ce qu’est la science des données et au rôle des spécialistes de ce domaine. Vous découvrirez comment cette discipline s’applique à divers secteurs et comment l’analyse de données peut guider la prise de décisions éclairées. Aucun préalable en informatique ou en langages de programmation n’est requis : cette spécialisation pose des bases solides pour poursuivre votre apprentissage en fonction de vos objectifs professionnels. Vous explorerez des notions telles que le big data, l’analyse statistique et les bases de données relationnelles, et vous vous familiariserez avec plusieurs outils libres utilisés par les spécialistes du domaine, comme Jupyter Notebooks, RStudio, GitHub et SQL. Vous réaliserez des laboratoires pratiques et des projets concrets afin d’apprendre la méthodologie pour résoudre des problèmes réels en science des données. En plus d’un certificat de réussite délivré par Coursera, vous recevrez un badge numérique d’IBM attestant votre maîtrise des fondements de la science des données.

Organisation : IBM

Formateur : Romeo Kienzler et al.

Plateforme : Coursera

Horaire : à la demande

Durée : 1 mois à raison de 10 heures par semaine

Nombre de modules : 4

Thème : science des données

Lien avec la santé : non

Préalable : aucune connaissance préalable requise

Langue : en anglais

Frais d'inscription

(en anglais seulement).

Préparez-vous à faire carrière dans le domaine en forte croissance de la science des données. Ce programme (IBM Data Science Professional Certificate) vous permettra d’acquérir les compétences, les outils et le portfolio nécessaires pour vous démarquer sur le marché de l’emploi comme spécialiste débutant en science des données, et ce, en aussi peu que 4 mois. Aucune connaissance préalable en informatique ou en langages de programmation n’est requise. La science des données consiste à recueillir, nettoyer, organiser et analyser des données afin d’en extraire des renseignements utiles et de prévoir les résultats attendus. La demande est forte pour des spécialistes capables d’utiliser les données pour produire des analyses claires et guider la prise de décision. Vous apprendrez des compétences recherchées dans le domaine, dont la gestion de bases de données, la visualisation de données, l’analyse statistique, la modélisation prédictive, les algorithmes d’apprentissage automatique et l’exploration de données. Vous utiliserez aussi les langages, outils et bibliothèques les plus récents, comme Python, SQL, Jupyter notebooks, GitHub, RStudio, Pandas, Numpy, ScikitLearn et Matplotlib. Une fois le programme terminé, vous aurez constitué un portfolio de projets qui vous donnera la confiance nécessaire pour réussir vos entretiens d’embauche. Vous aurez également accès au réseau de talents d’IBM, où vous trouverez des offres d’emploi personnalisées, des recommandations adaptées à votre profil et des conseils pour vous démarquer. Ce programme est reconnu par l’ACE® et la FIBAA — à la fin, vous pourriez obtenir jusqu’à 12 crédits collégiaux et 6 crédits ECTS.

Organisation : IBM

Formateur : IBM Skills Network Team

Plateforme : Coursera

Horaire : à la demande

Durée : 4 mois à raison de 10 heures par semaine

Nombre de modules : 12

Thème : science des données

Lien avec la santé : non

Préalable : aucune connaissance préalable requise

Langue : en anglais

Frais d'inscription

(en anglais seulement). 

Ce cours (Applied Data Science with Python Specialization) initiera les apprenantes et apprenants à l’apprentissage automatique appliqué, en mettant davantage l’accent sur les techniques et les méthodes que sur les aspects statistiques sous-jacents. Il commence par une discussion sur les différences entre l’apprentissage automatique et les statistiques descriptives, et comprend une introduction à l’outil scikit-learn. Il aborde la question de la dimensionnalité des données, les techniques de regroupement (clustering) et l’évaluation des groupes formés. Les approches supervisées pour créer des modèles prédictifs sont également présentées. Les participants pourront appliquer les méthodes de modélisation de scikit-learn tout en explorant les enjeux liés à la généralisabilité des données (p. ex. validation croisée, surapprentissage). Le cours se termine par des techniques avancées comme les ensembles de modèles, ainsi qu’une réflexion sur les limites pratiques des modèles prédictifs. À la fin du cours, les étudiantes et étudiants seront en mesure de distinguer les techniques supervisées (classification) et non supervisées (clustering), de choisir la méthode appropriée selon les données et les besoins, de concevoir les variables nécessaires et d’écrire du code Python pour effectuer l’analyse. Ce cours doit être suivi après Introduction to Data Science in Python et Applied Plotting, Charting & Data Representation in Python, et avant Applied Text Mining in Python et Applied Social Analysis in Python.

Organisation : Université de Michigan

Formateur : Christopher Brooks et al.

Plateforme : Coursera

Horaire : à la demande

Durée : 4 mois à raison de 10 heures par semaine

Nombre de modules : 12

Thème : science des données

Lien avec la santé : non

Préalable : aucune connaissance préalable requise

Langue : en anglais

Frais d'inscription

(en anglais seulement). 

Ce cours (Generative AI with Large Language Models) présente les principes de base de l’intelligence artificielle générative et son application concrète à l’aide des grands modèles de langage (LLM).

En le suivant, vous apprendrez à :

• Comprendre en profondeur l’IA générative, en expliquant les étapes clés d’un cycle de vie typique fondé sur les LLM : collecte de données, sélection du modèle, évaluation des performances et déploiement

• Décrire en détail l’architecture Transformer qui alimente les LLM, leur mode d’entraînement, et la façon dont l’ajustement fin (fine-tuning) permet de les adapter à divers cas d’utilisation

• Utiliser les lois empiriques d’échelle pour optimiser la fonction objectif du modèle en fonction de la taille des données, du budget informatique et des besoins d’inférence

• Appliquer les techniques les plus récentes d’entraînement, d’ajustement, d’inférence, d’outillage et de déploiement afin de maximiser la performance du modèle selon les contraintes de votre projet

• Explorer les défis et les possibilités liés à l’IA générative en entreprise, à travers les témoignages de chercheurs et de spécialistes du secteur

Les développeurs qui maîtrisent bien le fonctionnement des LLM et les bonnes pratiques d’entraînement et de déploiement seront mieux préparés à prendre des décisions éclairées et à créer rapidement des prototypes fonctionnels. Ce cours vise à renforcer l’intuition pratique des apprenants sur l’utilisation efficace de cette technologie en plein essor.

Ce cours de niveau intermédiaire s’adresse aux personnes ayant une certaine expérience en programmation Python. Une connaissance de base en apprentissage automatique est aussi recommandée (par exemple : apprentissage supervisé et non supervisé, fonctions de perte, division des données en ensembles d’apprentissage, de validation et de test). Si vous avez suivi la spécialisation en apprentissage automatique ou en apprentissage profond de DeepLearning.AI, vous serez prêt à approfondir les fondements de l’IA générative.

Organisation : DeepLearning.AI & Amazon Web Services

Formateur : Chris Fregly et al.

Plateforme : Coursera

Horaire : à la demande

Durée : 3 semaines, à raison de 4 heures par semaine

Nombre de modules : N/D

Thème : grands modèles de langage (LLM)

Lien avec la santé : non

Préalable : expérience recommandée

Langue : en anglais

Frais d’inscription

(en anglais seulement).

ChatGPT et les autres grands modèles de langage occuperont bientôt une place plus importante dans votre vie personnelle et professionnelle que votre téléphone intelligent, si vous apprenez à bien les utiliser. ChatGPT peut aider votre enfant en mathématiques, proposer un plan de repas avec recettes, créer des applications pour votre entreprise, renforcer votre cybersécurité personnelle — et cela dès la première heure d’utilisation. Ce cours (Prompt Engineering for ChatGPT) vous permettra de devenir un utilisateur expert de ces outils d’intelligence artificielle générative. Vous y verrez des exemples concrets d’intelligence émergente et de raisonnement, apprendrez à les utiliser pour améliorer votre productivité au quotidien et comprendrez leur fonctionnement.

Les grands modèles de langage répondent aux instructions et aux questions formulées en langage naturel, que l’on appelle des invites. Même si ces outils transforment déjà de nombreux secteurs, peu d’utilisateurs savent comment formuler des invites efficaces. Ceux qui maîtrisent cet art gagnent en productivité et découvrent des usages beaucoup plus créatifs.

Ce cours présente les principes et les approches pour rédiger des invites performantes. Il est ouvert à toutes et à tous. Les seules compétences requises sont de savoir utiliser un navigateur web et accéder à ChatGPT. Le cours commence avec des invites simples, puis progresse vers des formulations plus avancées qui permettent de résoudre des problèmes dans différents domaines. À la fin du parcours, vous aurez acquis des compétences solides en ingénierie des invites et saurez utiliser les modèles de langage pour accomplir une grande variété de tâches liées au travail, à l’entreprise, à la vie personnelle ou aux études : rédaction, résumé, planification, simulation, programmation ou encore jeux.

Organisation : Vanderbilt University

Formateur : Dr Jules White et al.

Plateforme : Coursera

Horaire : à la demande

Durée : 18 heures

Nombre de modules : 6

Thème : grands modèles de langage (LLM)

Lien avec la santé : non

Préalable : expérience recommandée

Langue : en anglais

Frais d'inscription

.

L’intelligence artificielle (IA) a transformé des secteurs partout dans le monde, et a le potentiel de transformer radicalement le domaine de la santé. Imaginez pouvoir analyser des données sur les visites de patient·e·s en clinique, les médicaments prescrits, les analyses de laboratoire et les interventions réalisées, ainsi que des données provenant de l’extérieur du système de santé — comme les médias sociaux, les achats effectués avec des cartes de crédit, les données de recensement, les historiques d’activité de recherche sur Internet contenant des informations précieuses sur la santé — et vous aurez une idée de la manière dont l’IA pourrait transformer les soins et les diagnostics.

Dans ce cours (AI in Healthcare Specialization), nous aborderons les applications actuelles et futures de l’IA dans le domaine de la santé, dans le but d’apprendre à intégrer ces technologies en milieu clinique de façon sécuritaire et éthique.

Cette spécialisation s’adresse à la fois aux professionnel·le·s de la santé et aux spécialistes en informatique, et offre des perspectives qui facilitent la collaboration entre les disciplines.

Accréditation en FMC

La Stanford University School of Medicine est accréditée par le Accreditation Council for Continuing Medical Education (ACCME) pour offrir de la formation médicale continue aux médecins. Consultez les renseignements complets sur l’accréditation FMC dans la FAQ du cours.

Projet d’apprentissage appliqué

Le dernier cours comprendra un projet de synthèse qui vous fera explorer, étape par étape, tous les concepts abordés dans les différents modules. Il s’agira d’une expérience pratique suivant le parcours d’un·e patient·e à travers les données, à l’aide d’un ensemble de données unique créé pour cette spécialisation. Nous examinerons comment les différents choix que vous ferez (comme ceux liés à la construction des variables, aux types de données à utiliser, à la façon d’évaluer le modèle et à la gestion de la chronologie des soins) influencent les recommandations de soins générées par le modèle.

Organisation : Stanford

Formateur : Matthew Lungren et al.

Plateforme : Coursera

Horaire : à la demande

Durée : 1 mois à raison de 10 heures par semaine

Nombre de modules : 5

Thème : IA / apprentissage automatique

Lien avec la santé : oui

Préalable : aucune connaissance préalable requise

Langue : en anglais

Frais d'inscription

(en anglais seulement).

Ce cours (Assessing and Mitigating Bias and Discrimination in AI) explique ce que l’on entend par biais dans le contexte des algorithmes d’apprentissage automatique, comment le biais peut être présent dans les données d’entraînement, et comment il peut être introduit de façon involontaire pendant la phase d’apprentissage. Les participant·e·s comprendront pourquoi cela constitue un problème et pourquoi il est nécessaire de le traiter.

Organisation : The Alan Turing Institute

Formateur : Adriano Koshiyama et al.

Plateforme : Alan Turing Institute

Horaire : à la demande

Durée : 20 heures

Nombre de modules : 5

Thème : IA / Apprentissage automatique

Lien avec la santé : non

Préalable : aucune connaissance préalable requise pour les étapes 1 et 2

Langue : en anglais

Gratuit

(en anglais seulement).

Ce cours (How Data Lies) est également intitulé « How learning to lie with data is essential to prevent AI from being sexist and racist. » Ce titre vise à attirer l’attention, mais met aussi en évidence le contenu du cours, qui vise à soutenir les spécialistes des données souhaitant faire de l’IA responsable. La première partie du titre vient d’un livre de 1954 intitulé How to Lie with Statistics, qui a été remis à l’honneur dans un autre ouvrage, Rebooting AI.

La première partie du cours présente des éléments montrant comment les données peuvent induire en erreur, tout en fournissant des conseils concrets pour identifier et traiter ces problèmes. La seconde partie du titre fait référence à une série de scandales récents dans lesquels on soutient que l’IA n’a pas été utilisée de manière responsable. Ces cadre du cours, mènent à l’adoption de lois visant à garantir une utilisation éthique de l’IA.

La deuxième moitié du cours est consacrée aux considérations éthiques nécessaires pour une utilisation responsable de l’IA. Le cours vise à aider les spécialistes des données et leurs gestionnaires à mieux comprendre les défis éthiques liés à l’application de l’IA, et fournit des conseils concrets pour les aider à agir de manière responsable.

Ce cours a été conçu dans le cadre d’un appel ouvert à la création de formations sur l’IA responsable, avec un financement d’Accenture et de l’Alan Turing Institute.

Organisation : The Alan Turing Institute

Formateur : Dr Lily Clements et al.

Plateforme : Alan Turing Institute

Horaire : à la demande

Durée : 40 heures

Nombre de modules : 4

Thème : IA / apprentissage automatique

Lien avec la santé : non

Préalable : non précisé

Langue : en anglais

Gratuit

(en anglais seulement).

Ce cours (Introduction to Python for Health Research) est pour vous si :

• Vous êtes complètement ou presque complètement débutant·e en programmation

• Vous travaillez dans le secteur de la santé, que ce soit en milieu clinique, administratif ou académique – par exemple comme infirmier·ère, administrateur·trice de la santé, consultant·e, chercheur·e biomédical, etc.

• Vous avez besoin d’un format d’apprentissage flexible

• Vous devez commencer à utiliser davantage de données dans votre rôle actuel ou futur

• Vous souhaitez accomplir des tâches de base en Python, comme créer des graphiques et trier des tableaux à partir de données de santé, sans aller trop loin dans la théorie de la programmation

Objectifs d’apprentissage :

À la fin de ce module, vous serez en mesure d’utiliser Python pour importer et manipuler des ensembles de données, et vous aurez suffisamment confiance pour effectuer des opérations de programmation comme l’utilisation de conditions, de boucles et de fonctions, ainsi que des analyses statistiques de base. 

Organisation : King’s Health Partners, King’s College London

Formateur : non précisé

Plateforme : Futures HDRUK

Horaire : à la demande

Durée : 20 heures

Nombre de modules : 4

Thème : science des données

Lien avec la santé : oui

Préalable : aucune connaissance préalable requise

Langue : en anglais

Gratuit

(en anglais seulement).

Partie 1 sur 3 : « AI 101 for Nonprofits » – Il s’agit de la première vidéo d’une série virtuelle de trois volets (3 Steps to AI Literacy for Nonprofits) conçue par le Fund for the City of New York pour OpenAI Academy. Destinée aux organismes sans but lucratif et aux organisations communautaires, cette séance présente les notions de base de l’intelligence artificielle — ce que c’est, comment ça fonctionne, et pourquoi c’est important. Aucune connaissance technique requise. Apprenez comment l’IA peut accroître la capacité du secteur à but non lucratif et ce que cela pourrait signifier pour votre organisation.

Organisation : OpenAI

Formateur : Rich Leimsider

Plateforme : OpenAI Academy

Horaire : à la demande

Durée : 3 heures

Nombre de modules : 3

Thème : IA / apprentissage automatique

Lien avec la santé : non

Préalable : aucune connaissance préalable requise

Langue : en anglais

Gratuit

(en anglais seulement).

Dans ce cours (Introduction to Artificial Intelligence in Medicine) en ligne de cinq semaines, dirigé par un formateur, les participant·e·s apprendront à connaître les différents outils d’IA disponibles pour des applications médicales, y compris les grands modèles de langage. Ils exploreront également différents aspects de l’utilisation de ces outils en pratique clinique, comme les risques médico-légaux, les enjeux de confidentialité des données et les considérations éthiques. Ce cours s’adresse aux professionnel·le·s de la santé, comme les médecins et les clinicien·ne·s, et ne nécessite aucune connaissance préalable en IA ou en programmation. Il ne s’agit pas d’un cours technique axé sur la programmation, mais plutôt d’un cours pratique visant à comprendre et à utiliser les technologies d’IA accessibles dans la pratique quotidienne.

Organisation : Université de Toronto

Formateur : Dr Nihal Haque

Plateforme : Temerty Centre for Artificial Intelligence Research and Education in Medicine

Horaire : en ligne

Durée : 10 heures

Nombre de modules : 5

Thème : IA / apprentissage automatique

Lien avec la santé : oui

Préalable : aucune connaissance préalable requise

Langue : en anglais

Frais d'inscription

(en anglais seulement).