Cours et stages de ML pour les étudiants et jeunes diplômés noirs et indigènes
L'Institut Vector s'engage à développer des programmes pour les étudiants, les postdocs et les jeunes diplômés noirs et indigènes afin de construire la recherche et d'élargir les parcours professionnels dans l'IA pour les groupes historiquement sous-représentés. En 2021, Vector a lancé un cours d'apprentissage de la machine et des stages en IA pour accélérer et élargir l'accès à la connaissance de l'IA aux étudiants et post-docs noirs et indigènes au Canada. La programmation offre un apprentissage et une expérience professionnelle pertinents et pratiques en matière d'apprentissage automatique et d'IA. Il est conçu pour répondre aux critères des programmes spéciaux, conformément aux valeurs du Code des droits de la personne de l'Ontario, afin d'aider les groupes sous-représentés à obtenir l'égalité des chances dans le domaine de l'IA.
Vector Applied Internships pour les étudiants noirs et indigènes
Les candidatures pour l'été 2023 sont désormais closes ! Inscrivez-vouspour être informé de l'ouverture des candidatures pour l'automne 2023.
Travaillez à temps plein ou partiel aux côtés de professionnels de Vector sur des projets axés sur l'IA et les données. Les stages peuvent être effectués à distance ou en personne.
Les stages de l'été 2023 comprennent :
- Stagiaire en apprentissage automatique appliqué : Développer des logiciels réutilisables pour appliquer et mettre à l'échelle les percées de la recherche en matière d'apprentissage automatique.
- Rédacteur scientifique et stagiaire en communication : Déterrer et mettre en lumière les dernières recherches de pointe en matière d'IA au Canada afin de célébrer les talents canadiens de classe mondiale dans ce domaine.
- Stagiaire en gestion de projets d'IA : Soutenir les projets d'IA qui permettent aux commanditaires industriels et aux partenaires de santé de développer, de déployer et de mettre à l'échelle des applications d'IA.
- Stagiaire analyste du programme FastLane : Soutenir le développement et la mise en œuvre de la programmation pour les moyennes entreprises et soutenir la croissance du programme FastLane, accélérant l'adoption de l'IA dans les petites et moyennes entreprises à travers le Canada.
- Stagiaire en éducation sur l'IA : Élaborer des programmes d'éducation sur l'intelligence artificielle, qui permettent une adoption généralisée de l'intelligence artificielle pour les sponsors industriels.
- Stagiaire analyste en équité, diversité et inclusion : Mener des recherches sur l'EDI dans l'IA et faire des recommandations pour l'avenir de la programmation de Vector pour les étudiants noirs et indigènes et le programme de stage.
- Stagiaire en recherche et analyse de marché : Réaliser des études de marché et des analyses sur les tendances en matière de talents et d'éducation en IA et formuler des recommandations sur l'avenir des programmes de développement de la main-d'œuvre de Vector.
Les stages durent de 16 à 32 semaines et se déroulent pendant les trimestres d'automne, d'hiver et d'été.
| Terme | Automne | Hiver | Été |
| Période d'application | Début juin | Octobre | 30 janvier - 13 février @ 12:00PM EST, 2023 |
| Durée du stage | Septembre - décembre | Janvier - avril | 15 mai - 1er septembre 2023 |
Les candidatures pour l'été 2023 sont désormais closes ! Inscrivez-vouspour être informé de l'ouverture des candidatures pour l'automne 2023.
À l'Institut Vector, nous nous engageons à favoriser l'excellence et le leadership dans la connaissance, la création et l'utilisation de l'IA au Canada afin de stimuler la croissance économique et d'améliorer la vie des Canadiens. Nous nous efforçons de favoriser une plus grande inclusion dans les programmes et la culture que nous construisons en accueillant et en encourageant les candidatures de tous les candidats qualifiés. Afin d'atténuer les désavantages et d'atténuer la sous-représentation des Noirs et des Autochtones dans AIet de tenter de réaliser l'égalité des chances dans le domaine de l'IA, la préférence en matière d'embauche sera accordée aux personnes noires et autochtones qualifiées, étudiant ou ayant récemment obtenu un diplôme d'un établissement postsecondaire canadien, qui s'identifient comme telles dans le processus de demande. Cette initiative est conçue pour répondre aux critères d'un programme spécial en vertu du Code des droits de la personne de l'Ontario.
Vecteur & BPTN
Vector collabore avec le Black Professionals in Tech Network (BPTN), qui s'est associé à des entreprises canadiennes de premier plan qui embaucheront au total 375 professionnels noirs en début de carrière chaque année pendant les trois prochaines années. Cela inclut les stages et les programmes coopératifs. Des postes de stagiaires appliqués ont également été publiés sur le portail de carrière du BPTN. N'hésitez pas à créer un profil sur le réseau BPTN dès aujourd'hui pour connaître les possibilités de stage dans le domaine de la technologie dans tout le pays.
Opportunité de bourse pour les stagiaires noirs et indigènes
À l'issue du stage de recherche ou d'application, les stagiaires noirs et indigènes qui commencent ou poursuivent leurs études dans un établissement d'enseignement postsecondaire au Canada pourront demander une bourse de 1 500 $ pour les aider à couvrir le coût de leurs études.
Inscrivez-vous à notre liste de diffusion
Vous êtes intéressé par un stage chez Vector ? Inscrivez-vous sur notre liste de diffusion.
Programme de stages de recherche sur les Noirs et les Autochtones
Les candidatures pour le programme de stage de recherche sur les Noirs et les Autochtones sont maintenant fermées. Inscrivez-vous pour être informé de l'ouverture des candidatures à l'avenir.
Ce programme a été conçu pour répondre aux critères des programmes spéciaux, conformément aux valeurs du Code des droits de la personne de l'Ontario, afin d'aider les groupes sous-représentés à obtenir l'égalité des chances dans le domaine de l'IA.
Projets d'été 2023 pour les étudiants postsecondaires noirs et indigènes au Canada
Que nous apprennent les techniques de la géométrie de l'information et des systèmes dynamiques sur le comportement des algorithmes d'apprentissage par renforcement ?
Faculté : Amir-Massoud Farahmand & Juan Felipe Carrasquilla Alvarez
Niveau du stagiaire : Baccalauréat, maîtrise ou doctorat
Résumé du projet : Nous étudierons les approches géométriques de l'optimisation des algorithmes d'apprentissage par renforcement (RL) en utilisant des outils numériques et analytiques. L'objectif principal est de progresser dans notre compréhension de la dynamique d'apprentissage des algorithmes d'apprentissage par renforcement et d'explorer la possibilité d'établir des résultats de convergence rigoureux pour les algorithmes d'apprentissage par renforcement dans le régime surparamétré.
Quel est le meilleur prédicteur des différents tests médicaux dont le patient a besoin au service des urgences de SickKids entre le triage et la consultation d'un prestataire médical ?
Faculté : Anna Goldenberg
Niveau du stagiaire : Maîtrise, ou doctorat
Résumé du projet : L'augmentation du nombre de patients et la prolongation de leur séjour dans les services d'urgence sont des problèmes de santé typiques associés à une prise en charge sous-optimale des patients. La stratégie de directives médicales par apprentissage machine (MLMD) vise à utiliser l'IA/ML pour aider à déterminer la nécessité de tests médicaux en aval immédiatement après le triage des patients et à automatiser la commande de tests, réduisant ainsi le temps d'attente pour les patients afin d'améliorer l'efficacité des urgences. L'équipe de l'initiative AI in Medicine (AIM) à SickKids, coprésidée par les docteurs Anna Goldenberg et Mjaye Mazwi, recherche un apprenti-machine junior pour rejoindre l'équipe et travailler sur ce projet.
Les tâches du stagiaire comprennent, entre autres, les suivantes :
- Contribuer à l'amélioration du pipeline de prétraitement actuel.
- Repenser la mise en œuvre de différentes stratégies d'encodage des données.
- Contribuer à la formation et à la validation de divers modèles MLMD.
Compétences ou expérience requises (études ou expérience professionnelle) :
- Techniques de traitement du langage naturel.
- Traitement des données et entraînement de différents modèles ML.
- Développer et mettre en œuvre des algorithmes pour le traitement de grands ensembles de données.
- Maîtrise de Python et des scripts shell.
- Travailler en collaboration avec les différents membres de l'AIM.
Compétences ou expérience souhaitées (études ou expérience professionnelle) :
- Développer des modèles ML basés sur des données cliniques ou biomédicales.
- Bonne compréhension des statistiques.
Pouvons-nous développer de grands modèles de base pour l'apprentissage à zéro dans les domaines médicaux en utilisant de petits ensembles de données ?
Membre de la faculté : Bo Wang
Niveau du stagiaire : Baccalauréat, maîtrise ou doctorat
Résumé du projet : Les modèles de base (p. ex. BERT, GPT-3, ViT et Diffusion stable) ont transformé la recherche actuelle en intelligence artificielle (IA) en fournissant de grands modèles qui peuvent être adaptés à un large éventail de tâches en aval. Ces modèles sont entraînés sur des ensembles de données diversifiés et à grande échelle. Cependant, de tels modèles de base n'ont pas émergé dans le domaine de l'image médicale car la plupart des ensembles de données actuels sont relativement petits. Notre objectif est de construire des ensembles de données d'images médicales à grande échelle provenant de plusieurs institutions et de développer des modèles généraux d'IA pouvant servir d'épine dorsale pour diverses tâches d'analyse d'images médicales, telles que le diagnostic des maladies, la quantification de la charge tumorale et le suivi des traitements.
Notre objectif est le suivant : Optimiser l'ingénierie rapide grâce à l'assistance humaine.
Faculté : Jimmy Ba
Niveau du stagiaire : Baccalauréat, maîtrise ou doctorat
Résumé du projet : L'apprentissage automatique moderne a été principalement guidé par des ensembles de données de haute qualité et bien sélectionnés. Pourtant, lors du déploiement, les données d'entrée diffèrent souvent de manière significative de celles de la période de formation, ce qui entraîne une mauvaise performance de généralisation. Une façon de surmonter la mauvaise généralisation est de recueillir des conseils humains pendant le temps de test pour guider le modèle vers le comportement souhaité. Dans ce projet, nous visons à reproduire l'infrastructure et l'interface utilisateur utilisées pour recueillir les avis humains à partir des publications récentes.
Peut-on expliquer théoriquement la présence de l'apprentissage des caractéristiques dans les modèles non convexes comme les réseaux de neurones profonds ?
Faculté : Murat A. Erdogdu
Niveau du stagiaire : Baccalauréat, maîtrise ou doctorat
Résumé du projet : L'optimisation non convexe et l'échantillonnage sont des éléments constitutifs de l'apprentissage automatique moderne en raison des propriétés structurelles des modèles statistiques populaires. En raison de leur rôle clé et de leur succès empirique dans de nombreuses tâches d'apprentissage, ils ont fait l'objet de recherches récentes. De nombreuses caractéristiques importantes des modèles d'apprentissage automatique, telles que la généralisation et la capacité d'apprentissage rapide, sont héritées de ces méthodes non convexes ; une bonne compréhension de ces algorithmes est donc cruciale.
L'objectif principal de ce projet est d'améliorer notre compréhension théorique des algorithmes non convexes, qui sont omniprésents dans l'apprentissage automatique. Les étudiants suivront plusieurs directions de principe. Le plan général du projet peut être divisé en trois sections, qui seront poursuivies simultanément : (1) Analyse théorique des algorithmes d'optimisation non convexes couramment utilisés ; (2) Conception d'algorithmes d'optimisation efficaces pour l'apprentissage automatique ; (3) Application de ces méthodes à des problèmes réels.
Que nous apprend la dynamique de formation sur la fiabilité d'un modèle d'apprentissage automatique déployé ?
Faculté : Nicolas Papernot
Niveau du stagiaire : Baccalauréat, maîtrise ou doctorat
Résumé du projet : Les méthodes actuelles d'apprentissage automatique digne de confiance imposent souvent des contraintes soit sur l'architecture du modèle, soit sur la fonction de perte, ce qui inhibe leur utilisation dans la pratique. Contrairement aux travaux antérieurs, nous montrons que, par exemple, des performances de classification sélective de pointe peuvent être atteintes uniquement en étudiant la dynamique d'apprentissage (discrétisée) d'un modèle. Nous proposons un cadre général pour exploiter la dynamique d'apprentissage afin d'accroître la confiance dans l'apprentissage automatique.
Que nous apprennent les prédictions probabilistes sur la fiabilité des modèles d'apprentissage automatique et comment les évaluer correctement ?
Faculté : Yaoliang Yu
Niveau du stagiaire : Baccalauréat, maîtrise ou doctorat
Résumé du projet : La plupart des réseaux neuronaux modernes produisent une prédiction probabiliste, souvent par l'insertion d'une couche soft-max(ish) à la fin pour transformer des scores à valeur réelle en estimations de probabilité. Que signifie le fait qu'un algorithme fasse une prédiction probabiliste, par exemple qu'un objet dans une image de test soit un chien avec 75 % de chance, un chat avec 10 % de chance ou un tigre avec 15 % de chance ? Une exigence naturelle, connue sous le nom de calibrage, est que, conditionnée par la probabilité prédite, la vraie probabilité devrait effectivement coïncider avec celle prédite. De manière surprenante, des études récentes ont montré que les estimations de probabilité brutes peuvent ne plus être bien calibrées. Dans ce projet, nous voulons examiner de près le rôle que joue la calibration dans la formation et le test des réseaux neuronaux modernes, ainsi que comprendre et éventuellement re-calibrer ces estimations probabilistes afin qu'elles soient conformes à notre intuition et qu'elles contiennent des informations significatives qui peuvent être testées et comparées.
Qui devrait postuler ?
Le programme de stages de recherche sur les Noirs et les Autochtones de Vector est proposé aux personnes qui répondent aux critères suivants :
- Vous vous identifiez comme un étudiant postsecondaire ou un boursier postdoctoral noir ou autochtone (ascendance ou patrimoine autochtone - Premières nations (inscrites ou non), Métis ou Inuits) dans une université ou un collège canadien;
- Vous étudiez dans un programme STEM (science, technologie/informatique, ingénierie, mathématiques) ;
- Vous avez, au minimum, terminé votre deuxième année dans un programme de premier cycle dans une université canadienne ;
- Vous avez suivi un cours d'introduction à l'apprentissage automatique.
Opportunité de bourse pour les stagiaires noirs et indigènes
À l'issue du stage de recherche ou d'application, les stagiaires noirs et indigènes qui commencent ou poursuivent leurs études dans un établissement d'enseignement postsecondaire au Canada pourront demander une bourse de 1 500 $ pour les aider à couvrir le coût de leurs études.
Le saviez-vous ?
Vector propose également des stages de recherche ouverts aux étudiants du monde entier. Les membres du corps professoral de Vector qui participent au programme de stages de recherche pour les Noirs et les Autochtones peuvent accueillir d'autres stagiaires de recherche qui ne sont pas Noirs et Autochtones et/ou qui ne sont pas actuellement inscrits dans un établissement postsecondaire canadien. Pour en savoir plus sur les stages de recherche de Vector, cliquez ici.
Vous êtes intéressé par un stage chez Vector ? Inscrivez-vous sur notre liste de diffusion.
Introduction à l'apprentissage automatique pour les étudiants et postdocs noirs et indigènes
50 étudiants noirs et autochtones de niveau postsecondaire de tout le Canada participent actuellement au cours d'introduction à la ML de Vector. La période d'inscription pour le cours de l'automne 2022 est maintenant terminée. Inscrivez-vous pour être informé de la reprise du cours d'introduction à la ML.
Participez à un cours en ligne gratuit de neuf semaines sur l'introduction à l'apprentissage automatique, qui débutera en octobre 2022. Le cours présentera des algorithmes d'apprentissage automatique courants tels que la régression linéaire et logistique, les forêts aléatoires, les arbres de décision, les réseaux neuronaux, les machines à vecteurs de support et le boosting. Il offrira également un large aperçu des techniques de construction de modèles et d'optimisation basées sur des blocs de construction probabilistes qui serviront de base à des cours d'apprentissage automatique plus avancés. Sur le site deux heures de cours/ateliers par semaine, ainsi que des tutoriels hebdomadaires pour vous aider à mieux assimiler la matière, ce cours offrira un riche d'apprentissage pratique environnement riche et pratique.
À la fin du cours, vous réaliserez un projet de synthèse et une présentation. Un prix du meilleur projet de synthèse, d'une valeur de 500 $, sera décerné aux trois meilleurs projets et présentations de synthèse. Regardez les présentations de l'année dernière sur notre chaîne YouTube.
Dans le cadre de ce programme, vous devrez :
- Recevez une introduction complète à l'apprentissage automatique ;
- Accédez aux entretiens de recherche hebdomadaires de Vector avec des professeurs et des chercheurs de renommée mondiale ;
- Participer à des programmes de développement de carrière avec des entreprises qui favorisent l'adoption de l'IA ;
- Acquérir des compétences recherchées et établir des liens significatifs avec des personnes travaillant et faisant des recherches dans le domaine de l'IA ;
- Acquérir des connaissances de base et une préparation à ML pour postuler à un stage Vector pour les étudiants noirs et indigènes;
- recevoir un prix de 500 $ à la fin du cours ; et
- Obtenez un certificat d'achèvement du développement professionnel.
Ce cours est offert aux personnes qui répondent aux critères suivants :
- Vous vous identifiez comme un étudiant ou un post-doctorant noir ou indigène (ascendance ou héritage indigène - Premières nations (avec ou sans statut), Métis ou Inuit) ;
- Vous avez terminé au moins une année d'études postsecondaires (c'est-à-dire que vous êtes en deuxième année ou plus de votre diplôme de premier cycle, ou en maîtrise, doctorat ou études postdoctorales).
- Vous étudiez dans une université ou un collège canadien;
- Vous étudiez dans un programme STEM (science, technologie/informatique, ingénierie, mathématiques) ou dans des disciplines adjacentes telles que le commerce, l'économie ou les sciences de la vie ;
- Vous avez une expérience de codage avec Python ou R*. Vous avez suivi des cours de statistiques ou de mathématiques au niveau postsecondaire ; et
- Vous vous engagez à effectuer le travail hebdomadaire et à participer aux cours.
*Si vous souhaitez participer à ce cours mais que vous n'avez pas ou peu d'expérience de codage en Python, veuillez soumettre votre candidature. Vector propose également un cours de trois jours sur l'apprentissage de l'IA en Excel, que vous pouvez suivre, dans la limite des places disponibles, à la place du cours d'introduction à l'apprentissage automatique ou avant ce cours. Consultez la FAQ ci-dessous pour plus de détails.
Veuillez noter que le nombre d'inscriptions au cours Introduction à l'apprentissage automatique est limité à environ 50 étudiants ; un minimum de 10 étudiants est nécessaire pour dispenser le cours. Compte tenu de notre capacité d'inscription limitée, tous les candidats ne se verront pas offrir une place dans le cours. Nous communiquerons avec tous les candidats au plus tard le 16 septembre 2022 pour vous faire savoir si vous avez obtenu une place dans le cours.
Quand le cours a-t-il lieu ?
Le cours est provisoirement programmé de la semaine du 2 octobre à la semaine du 13 novembre, avec des cours le mercredi de 15h à 17h HNE et des tutoriels le jeudi de 15h à 17h HNE. Les présentations du projet Capstone auront lieu à la fin du cours, le 30 novembre. Tous les cours et tutoriels se dérouleront en ligne.
La période de candidature pour le cours d'automne 2022 est maintenant terminée.
Pleins feux sur le cours inaugural d'introduction à la ML pour les étudiants noirs et autochtones
Témoignages d'étudiants :
"Quel que soit votre niveau de connaissance de l'apprentissage automatique, vous trouverez quelque chose à apprendre ou ce sera une solide remise à niveau. " - Patrick Adjei
"Le cours d'introduction à l'apprentissage automatique proposé par l'Institut Vector est un programme formidable, flexible et perspicace. Il expose une personne aux principes fondamentaux (à la fois théoriques et pratiques) de l'apprentissage automatique, allant de l'apprentissage supervisé, à l'apprentissage non supervisé, etc. Je recommande vivement ce programme." - Oluwabukola (Grace) Adegboro
"La passion et les efforts déployés par les instructeurs de l'institut Vector, combinés à l'intérêt sincère qu'ils portent à leurs élèves, sont inégalés, ce qui rend l'expérience d'apprentissage unique.
Pour en savoir plus sur l'expérience des étudiants, lisez cet article de blog et regardez les présentations de capstone qui ont remporté le prix de la meilleure Présentation et le prix du meilleur article.
Si vous souhaitez rester en contact avec Vector et en savoir plus sur les opportunités à venir, veuillez vous inscrire sur notre liste de diffusion.
FAQ sur les cours
Ce cours est une offre de développement professionnel et ne peut être utilisé pour l'obtention d'un diplôme. Bien que Vector offre un développement professionnel à l'industrie, aux partenaires de santé et aux étudiants, il ne s'agit pas d'une institution académique accréditée. Vous recevrez un certificat d'achèvement à la fin du cours que vous pourrez inclure dans votre CV et votre profil LinkedIn.
Il y aura quatre devoirs de cours et un projet de synthèse qui seront examinés et notés par l'instructeur et l'assistant technique afin de vous fournir un retour sur vos progrès. Les projets de synthèse sont également un excellent moyen de mettre en valeur ce que vous avez appris dans le cours et de démontrer vos connaissances à des employeurs potentiels.
Un prix pour le meilleur document de synthèse et présentationd'une valeur de 500 $ chacun, soit un total de 1 500 $, sera décerné aux trois meilleurs travaux de synthèse.
Il existe défis auxquels sont confrontés les Noirs et les Autochtones qui entrent dans le domaine de l'intelligence artificielle, des STIM et de la technologie en général. Tant les données statistiques sur la participation à la main-d'œuvre (1) et les preuves anecdotiques montrent qu'il existe des obstacles réels qui nécessitent une action. L'objectif du cours d'introduction au ML et du programme de stages de Vector est d'augmenter les possibilités de construire des parcours de recherche et de carrière dans l'IA pour les étudiants noirs et indigènes au Canada. Cette initiative est conçue pour répondre aux critères des programmes spéciaux en accord avec les valeurs du Code des droits de la personne de l'Ontario (le Code), pour aider les groupes sous-représentés à atteindre l'égalité des chances dans le domaine de l'IA.
(1) Sur la base des données du recensement de 2016, les autochtones représentent 4 % des adultes au Canada, mais moins de 2% des personnes travaillant dans des professions STIM sont autochtones (Analyse des données du recensement de 2016. Statistique Canada, " Produits de données, recensement de 2016 "). Selon une étude Brookfield (2019) intitulée Qui sont les travailleurs en technologie du Canada.? la participation des autochtones aux métiers de la tech est inférieure à la moitié de celle des non-autochtones dans ce domaine (2,2 % contre 5,2 %). De même, les Noirs représentent 2,6 % de la main-d'œuvre technologique, mais 3,5 % de la population. Une analyse réalisée par le MaRS Discovery District à l'aide d'un ensemble de données d'enquête alimenté par Fortay et Feminuity sur les travailleurs du secteur des technologies à Toronto a révélé que les travailleurs noirs étaient plus susceptibles de signaler des niveaux inférieurs de diversité, d'inclusion et d'appartenance que les Blancs, les Asiatiques et les autres minorités visibles.
N'hésitez pas à contacter internships@vectorinstitute.ai si vous avez d'autres questions concernant la procédure de candidature ou le cours.
Non, ce cours est ouvert aux étudiants qui étudient dans une université ou un collège canadien.
Nous vous encourageons à soumettre votre candidature. Lors de votre candidature, Vector évaluera vos compétences techniques sur la base de vos niveaux d'expérience déclarés en Python ou R, Excel, statistiques, algèbre linéaire et calcul multivarié. Si votre maîtrise de Python est limitée, Vector peut vous proposer une place dans notre cours Excel to AI.
Excel to AI est un cours de 3 jours, qui dure 2 heures chaque jour, et présente Python comme un outil pour explorer les capacités de base de l'apprentissage automatique. Ce cours élargira les possibilités pour inclure des tâches avec des données non structurées, des ensembles de données plus importants et un calcul plus efficace.
Si une place est disponible dans un prochain cours Excel to AI, une place pourra vous être proposée.