Apprentissage machine en affaires : méthodes et applications modernes

Cet atelier s’inscrit dans la série organisée par le Centre pour une transition économique responsable (CTER) de l’École de gestion Telfer.  Cet événement est ouvert au public et est disponible en personne ou en ligne, mais l'inscription est requise. Pour plus d'informations sur le Centre ou la série d'ateliers, veuillez contacter Jonathan Li.

L’apprentissage machine est aujourd’hui une technologie puissante dans le monde des affaires. Il offre de nouvelles solutions analytiques à de nombreux problèmes de recherche urgents, notamment en finances, en gestion des opérations, en soins de santé, etc. Depuis une dizaine d’années, on cherche à tirer le meilleur parti de cette technologie en affaires. La grande variété et la vaste quantité de données disponibles aujourd’hui ont donné lieu à de nouvelles méthodes pour exploiter le pouvoir de l’apprentissage machine. Voici les objectifs de l’atelier :

• Présenter des applications d’affaires rendues possibles par les derniers développements de l’apprentissage machine;
• Présenter les méthodes modernes d’apprentissage machine, notamment le traitement automatique du langage naturel (TALN), les grands modèles de langage, l’apprentissage profond et l’apprentissage par renforcement;
• Fournir un tutoriel sur l’application de l’apprentissage machine à la recherche ou à d’autres travaux.

L’atelier comprend une présentation donnée par un conférencier éminent et deux séances d’enseignement tutoriel.

Heure : 13 h - Conférence de Dacheng Xiu, Booth School of Business de l’Université de Chicago

Exploration de textes de nouvelles:

Vous seront présentés deux exemples d’application de techniques de traitement automatique du langage naturel en finances. La première partie portera sur l’analyse de sentiments (classification), et la deuxième, sur le modèle thématique (regroupement).

Heure : 15 h - Tutoriel de Rafid Mahmood, NVIDIA

Pratiques modernes en matière d’apprentissage profond : plus grands modèles, meilleures données : Les progrès de l’apprentissage profond sont souvent stimulés par des modèles et ensembles de données dont la taille croît exponentiellement. Les modèles généralistes, la dernière famille de modèles adoptant cette philosophie, ont récemment démontré une incroyable capacité de généralisation par un simple entraînement à partir d’un vaste ensemble de données non étiquetées.  La première moitié du séminaire porte sur les modèles généralistes : les données, les algorithmes d’apprentissage, la façon de les adapter à nos applications, les défis éthiques et juridiques liés à leur utilisation. Dans la deuxième moitié, nous allons regarder le portrait général de l’apprentissage profond à grande échelle selon l’angle des données : pour une tâche en particulier, comment obtenir, sélectionner, annoter et utiliser les bonnes données pour élaborer et améliorer un modèle.

Heure : 16 h 30 - Tutoriel de Jonathan Li, École de gestion Telfer

Apprentissage par renforcement profond et applications d’affaires : Ce tutoriel vise à dresser le portrait de l’apprentissage par renforcement profond (ARP) et de ses applications à la gestion de portefeuille, la couverture des instruments dérivés et d’autres problèmes décisionnels dynamiques. Il explique comment déterminer les tâches pouvant être résolues par ARP et appliquer une solution.

Heure : 18 h - Réception