Résoudre des problèmes en géosciences et en ingénierie en utilisant les techniques d'intelligence artificielle (IA) et d'apprentissage automatique dans le cycle de vie de la science des données.
Cycle de vie d'un projet d'intelligence artificielle (IA), données massives, ingénierie des données, ingénierie des caractéristiques, apprentissage supervisé et non supervisé, régression logistique, arbres de décision, k-NN, classification, régression, clustering, K-means, réduction de dimensionalité, réseaux de neurones artificiels, CNN, RNN, LSTM, GRU, Transformers, causalité, explicabilité et interprétabilité des modèles, diagnostic des décisions des modèles d'IA, SHAP, limites des modèles, déploiement et monitoring, cloud computing, guide à la prise de décision, cas d'études en exploration des ressources minérales, hydrogéologie, environnement et en ingénierie.
Codage. Outils interactifs « no-code » et codes prêts à l'emploi.
Domaines d'application Environnement, hydrologie (eaux de surface), hydrogéologie (eaux souterraines), exploration minérale, génies civil (géotechnique) et géologique, gestion des ressources naturelles (eau, minéraux, énergie), géophysique et sismologie, cartographie et télédétection, changement climatique et modélisation des risques, surveillance des infrastructures et maintenance prédictive.
Formule pédagogique : Cours Magistral
0738 | Programme court de 2e cycle en développement professionnel en sciences et génie d'exploration minérale |
2105 | Maîtrise en géologie et génie géologique - Exploration minérale |
2106 | Maîtrise en géologie et génie géologique - Environnement et hydrogéologie minière |