% INF889E — Méthodes d'intelligence artificielle en bioinformatique % UQAM — Département d'informatique % Plan de cours — Hiver 2021 * Horaires, locaux et enseignants: Responsable(s) du cours ======================= Diallo, Abdoulaye Baniré PK-4535 Groupes: 040 Description du cours ==================== Objectifs --------- Ce cours vise à présenter aux étudiants les récentes méthodes d'intelligence artificielle en bioinformatique. Il vise aussi à passer en revue les fondements, approches et techniques d'intelligence artificielle utilisée en bioinformatique appliquée à la santé et l'agriculture. Sommaire du contenu ------------------- Introduction aux principales approches d'intelligence artificielle en bioinformatique. Méthodes d'apprentissage à partir des données génomiques. Méthodes d'intégration de données. Acquisition et représentation de connaissances. Méthodes génératives. Méthodes appliquées aux diagnostiques et surveillances des maladies. Approches d'intelligence artificielle en agriculture et sécurité alimentaire. Formule pédagogique =================== Ce cours sera constitué de 14 séances de cours et deux séances de présentation de projets. Calendrier ---------- ----------------------------------------------------------------------- Semaines Contenus Invités ------------------------ ------------------------ --------------------- 19 Janvier Présentation du NA programme. Présentation du plan de cours. Entente d'évaluation. 26 Janvier Types de données en NA bioinformatique 2 Février Approches classiques NA d'analyses et classification de séquences génomiques (annotation, fonction, évolution et phylogénie) 9 Février Approches classiques NA d'analyses et classification de données d'expression et de structures protéiques 16 Février Introduction au concept NA d'Intelligence artificielle 1 (Historique, approches (focus sur l'apprentissage machine), types d'encodage de données génomiques) 23 Février Introduction au concept NA d'Intelligence artificielle 2 (Principales architectures HMM, CNN, VAE, ....) 2 Mars relache NA 9 Mars Modèles génératifs et Amine remita discriminatifs d'analyse de séquences. Ex. Méthodes de surveillances 16 Mars Algorithmes de recherche Dylan Lebatteux de motifs séquentiels (algorithmes génétiques, NLP) 23 Mars Méthodes d'intégration NA de données multi-omics (Ex. cancer) 30 Mars Acquisition et Ahmed Halioui représentation de connaissance (extraction de connaissances du texte, BERT, BioBert, Ontologies) 6 Avril Méthodes IA en NA diagnostiques médicales 13 Avril Méthodes IA en NA agriculture (sécurité alimentaire, productivité des champs, Analyse de profits) 20 Avril Présentation de projet NA 27 Avril Présentation de projet NA ----------------------------------------------------------------------- Évaluations ----------- Description Date Pondération ---------------------------------------- ------------- ------------- Résumé du projet envisagé 16 mars 5% Projet : 1er livrable 16 mars 10% Projet : Programme finale 6 avril 10% Projet : Rapport-article 27 avril 20% Projet : présentation projet 20-27 avril 20% Article : Évaluation article (2 pages) 15% Article : présentation article 20% Modalité -------- ### Résumé du projet envisagé Les étudiants devront résumer, en 500 caractères, le projet de cours envisagé. Ce résumé devra présenter clairement la problématique, l'introduction brève au domaine, la revue de littératures et les approches IA qui seront exploitées. ### Résumé d'un article Dans cet exercice, les étudiants devront résumer en deux pages le contenu d'un article scientifique. Les étudiants devront se prêter à un exercice de jugement et d'analyse critique d'un article scientifique. Un formulaire de remise sera mis à la disposition des étudiants pour complétion.Cet article sera remis 3 semaines avant la date de dépôt du résumé. ### Présentation d'un article Les étudiants présenteront à leur collègue l'article lu. Cette présentation devra comprendre, l'introduction à la problématique, les approches utilisées, les résultats obtenus, les discussions et une évaluation critique. Cette présentation durera 45 min. Cet article sera remis au plus tard 3 semaines avant la date de remise. ### Projet Les étudiants devront choisir un projet pour la session et fournir un résumé de projets. Ce projet doit toucher un des thèmes du court et avoir les volets suivants : collecte de données, méthodes IA d'analyse de ces données, des résultats interprétables. Les étudiants devront aussi fournir les résultats d'évaluation préliminaires en mi session. ### Projet 1er livrable Dans ce premier livrable, les étudiants décriront les données collectées, et les analyses descriptives des données collectées. Ce document ne doit pas dépasser 3 pages. ### Projet : programme finale Les étudiants devront pousser leur code dans un github accessible pour évaluation. Ce code doit être suffisamment documenté pour s'assurer de sa compréhension. ### Projet : présentation Les étudiants devront présenter en 20 min les résultats de leur projet sous format de présentation de conférence. ### Projet : rapport article Les étudiants devront remettre un document qui décrit le projet. Ce document devra être conforme au gabarit d'article LNCS. Ce rapport sera limité à 12 pages. Il devra inclure minimalement les sections: - Titre : max. 150 caractères - Résumé : max. 450 mots - Introduction - Matériels&Méthodes - Résulats - Discussion - Bibliographie Remise de documents et échéanciers : ------------------------------------ Tous les documents doivent être remis via moodle et les dates d'échéances seront strictement respectées. Les évaluations d'articles sont en équipe de deux étudiants et les projets sont strictement individuels. Aucun document remis en retard ne sera évalué, entrainant automatiquement 0 pour la composante évaluée. Règlement plagiat : ------------------- Les règlements concernant le plagiat seront strictement appliqués. Pour plus de renseignements, veuillez consulter les sites suivants : et Site du cours et documentations: