La Specialization AI for Good montre comment l'IA peut faire partie de la solution lorsqu'il s'agit de relever certains des plus grands défis mondiaux dans des domaines tels que la santé publique, le changement climatique et la gestion des catastrophes.

Dans ces cours, vous apprendrez avec l'instructeur Robert Monarch, qui a plus de 20 ans d'expérience dans la création de produits d'IA dans l'industrie et qui travaille à l'intersection de l'IA, de la santé publique et de la gestion des catastrophes. Robert est également l'auteur de Human-in-the-Loop Machine Learning, un ouvrage consacré aux applications de l'IA centrées sur l'humain.

Tout au long des cours, vous entendrez des experts travaillant sur des initiatives "AI for Good" visant à résoudre des problèmes sociaux et environnementaux. En combinant l'intelligence humaine et l'intelligence machine, des ensembles de données réelles, les meilleures pratiques en matière de confidentialité des données et des considérations éthiques, vous développerez les connaissances et les compétences fondamentales nécessaires pour mener à bien vos propres projets d'IA pour le bien.

Ces cours ont été élaborés en partenariat avec des chercheurs du Microsoft AI for Good Lab qui ont offert leur expertise en la matière tout au long de l'élaboration du programme. Nous sommes également reconnaissants à Sasha Luccioni, Climate Lead and Researcher at HuggingFace, pour son aide dans l'élaboration de la structure de haut niveau du programme, la définition des types de sujets et d'études de cas qui conviendraient le mieux à ces cours, et le recrutement de nombreux experts qui apparaissent dans les vidéos des conférenciers invités ou qui ont contribué en coulisses.

Projet d'apprentissage appliqué

• Utiliser des réseaux neuronaux et d'autres techniques d'IA pour estimer la qualité de l'air dans la ville de Bogota, en Colombie.

• Développer un modèle d'IA pour rendre la production d'énergie éolienne plus prévisible en fournissant des prévisions 24 heures à l'avance.

• Appliquer des techniques de vision par ordinateur pourdétecter et classer les animaux à des fins de surveillance de la biodiversité.

• Construire un pipeline de classification d'images pour effectuer une évaluation des dommages à l'aide d'images satellites prises après l'ouragan Harvey aux États-Unis en 2017.

• Utilisez des techniques de traitement du langage naturel pour analyser les tendances dans un corpus de messages textuels envoyés à la suite du tremblement de terre de 2010 en Haïti.