Relève en intelligence et données - IA appliquée

13h30 - Présentation de Philippe Blouin-Leclerc (en français)

Extraction de caractéristiques de voitures et détection de dommages sur les sections à partir d'images

Présentation de la méthodologie et des résultats obtenus lors de son stage de maitrise.

14h - Présentation de Charles Gagnon (en français)

Prévision de l'achalandage dans les stations de ski

Paradocs Mountain Software est une petite entreprise de Québec qui a développé une solution logicielle pour les stations de ski. Cette solution, MtnOS, couvre les différentes facettes de l’industrie du ski avec la billetterie, le contrôle des remonte-pentes, le restaurant, la location d’équipements, etc. Avec le temps, MtnOS produit beaucoup de données, ouvrant la porte à la conception de produits utilisant l’intelligence artificielle. En partenariat avec l’Université Laval, Paradocs a initié un projet pilote portant sur la prévision de l’achalandage dans les stations de ski. Cette présentation portera donc sur l’expérience de stage de maîtrise de Charles Gagnon, qui a eu la tâche de mener à bien ce projet. Nous couvrirons les différentes étapes du cycle de vie du projet. Des débuts avec les données brutes, qui n’étaient pas du tout adaptées à un problème de science des données, jusqu’à la production des modèles d’apprentissages finaux, capable de prédire efficacement l’achalandage d’une station de ski.

14h30 - Présentation d'Olivier Flamand (en français)

Anonymisation et Génération de données synthétiques à la Régie de l'assurance maladie du Québec

Présentation du projet de maîtrise professionnelle en intelligence artificielle de l'Université Laval. Lors de cette conférence, une description des données utilisées ainsi que la complexité de celles-ci seront présentées. Viendra ensuite un bref survol des techniques d'anonymisation classiques utilisées pour limiter les risques de bris de confidentialité.

À la suite de ce survol, les modèles génératifs développés seront présentés et une comparaison en trois volet (qualité des données, utilité des données et risques de bris de confidentialité) sera effectué.