Certificat de maîtrise en Machine Learning et en science des données
Certificat de maîtrise en Machine Learning et en science des données
Certificat de maîtrise en Machine Learning et en science des données
Devenez un professionnel des données et de l'IA prêt à l'emploi grâce à notre Certificat de Maîtrise en science des données, cloud et IA. Acquérez une expérience pratique avec des projets réels. Apprenez à analyser les données, construire des systèmes intelligents et travailler avec des outils cloud et d'IA modernes. Développez les compétences, les connaissances et la confiance nécessaires pour lancer votre carrière dans des rôles très demandés comme scientifique de données, ingénieur de données ou spécialiste en Machine Learning.
Devenez un professionnel des données et de l'IA prêt à l'emploi grâce à notre Certificat de Maîtrise en science des données, cloud et IA. Acquérez une expérience pratique avec des projets réels. Apprenez à analyser les données, construire des systèmes intelligents et travailler avec des outils cloud et d'IA modernes. Développez les compétences, les connaissances et la confiance nécessaires pour lancer votre carrière dans des rôles très demandés comme scientifique de données, ingénieur de données ou spécialiste en Machine Learning.
Parlez à un conseiller
Parlez à un conseiller
Parlez à un conseiller
Programmes de diplôme
Programmes de diplôme
Programmes de diplôme
Le Certificat Maître en Science des Données, Cloud et IA vous équippe des compétences essentielles et de l'expérience pratique pour devenir un professionnel des données et de l'IA prêt à l'emploi. À travers un mélange de concepts fondamentaux, de projets pratiques et d'apprentissage appliqué, vous acquerrez les connaissances nécessaires pour analyser des données, construire des systèmes intelligents et travailler avec des technologies modernes d'IA et de cloud. Le programme met l'accent sur l'expertise technique et les compétences en résolution de problèmes, vous préparant à des rôles très demandés tels que data scientist, ingénieur en données ou praticien en apprentissage automatique, tout en vous donnant la confiance nécessaire pour contribuer efficacement à des initiatives orientées données et alimentées par l'IA.
Apprentissage guidé par un mentor
La passerelle entre la formation et l'emploi — conçue pour combler votre déficit d'expérience.
C'est l'expérience qui permet d'être embauché. Notre format de mentorat offre le contexte pratique, l'encadrement et la rétroaction professionnelle qui manquent à l'enseignement traditionnel. Vous ne suivez pas simplement un programme ; vous apprenez la façon dont travaillent les véritables équipes techniques.
Aperçu du programme
01 — Construire les bases
Plateforme d'apprentissage structurée.
Maîtrisez les essentiels à votre propre rythme grâce à des modules alignés sur l'industrie et des laboratoires conçus pour vous mettre à niveau rapidement.
02 — Apprendre des experts
Mentorat hebdomadaire en direct.
Participez à des sessions hebdomadaires en direct avec des professionnels des TI actifs pour clarifier vos doutes, obtenir des perspectives sur l'industrie et voir comment les outils sont utilisés en temps réel.
L'Objectif
Confiance professionnelle.
Faites votre entrée sur le marché du travail en sachant comment diriger et communiquer comme un pro.
Inscriptions
Professional Certificate
Inscriptions
Eligible for Loans & Flexible Payments
Inscriptions
Online 1-on-1
Live Mentorship
Inscriptions
On Demand
Durée du programme
6 mois
Horaire des cours
Flexible Weekly Check-in
maîtres
Apprentissage guidé par un mentor
La passerelle entre la formation et l'emploi — conçue pour combler votre déficit d'expérience.
C'est l'expérience qui permet d'être embauché. Notre format de mentorat offre le contexte pratique, l'encadrement et la rétroaction professionnelle qui manquent à l'enseignement traditionnel. Vous ne suivez pas simplement un programme ; vous apprenez la façon dont travaillent les véritables équipes techniques.
Aperçu du programme
01 — Construire les bases
Plateforme d'apprentissage structurée.
Maîtrisez les essentiels à votre propre rythme grâce à des modules alignés sur l'industrie et des laboratoires conçus pour vous mettre à niveau rapidement.
02 — Apprendre des experts
Mentorat hebdomadaire en direct.
Participez à des sessions hebdomadaires en direct avec des professionnels des TI actifs pour clarifier vos doutes, obtenir des perspectives sur l'industrie et voir comment les outils sont utilisés en temps réel.
L'Objectif
Confiance professionnelle.
Faites votre entrée sur le marché du travail en sachant comment diriger et communiquer comme un pro.
Inscriptions
Professional Certificate
Inscriptions
Eligible for Loans & Flexible Payments
Inscriptions
Online 1-on-1
Live Mentorship
Inscriptions
On Demand
Durée du programme
6 mois
Horaire des cours
Flexible Weekly Check-in
maîtres
Apprentissage guidé par un mentor
La passerelle entre la formation et l'emploi — conçue pour combler votre déficit d'expérience.
C'est l'expérience qui permet d'être embauché. Notre format de mentorat offre le contexte pratique, l'encadrement et la rétroaction professionnelle qui manquent à l'enseignement traditionnel. Vous ne suivez pas simplement un programme ; vous apprenez la façon dont travaillent les véritables équipes techniques.
Aperçu du programme
01 — Construire les bases
Plateforme d'apprentissage structurée.
Maîtrisez les essentiels à votre propre rythme grâce à des modules alignés sur l'industrie et des laboratoires conçus pour vous mettre à niveau rapidement.
02 — Apprendre des experts
Mentorat hebdomadaire en direct.
Participez à des sessions hebdomadaires en direct avec des professionnels des TI actifs pour clarifier vos doutes, obtenir des perspectives sur l'industrie et voir comment les outils sont utilisés en temps réel.
L'Objectif
Confiance professionnelle.
Faites votre entrée sur le marché du travail en sachant comment diriger et communiquer comme un pro.
Inscriptions
Professional Certificate
Inscriptions
Eligible for Loans & Flexible Payments
Inscriptions
Online 1-on-1
Live Mentorship
Inscriptions
On Demand
Durée du programme
6 mois
Horaire des cours
Flexible Weekly Check-in
maîtres
Plan de cours
Plan de cours
Plan de cours
Téléchargez le plan
Introduction à la science des données
Le parcours en littératie des données et fondamentaux équipe les apprenants avec les connaissances essentielles et les compétences pratiques nécessaires pour travailler avec confiance avec les données dans des environnements commerciaux et techniques réels. Vous commencerez par comprendre la vue d'ensemble de la science des données et le rôle que les données jouent dans les organisations, en explorant comment les exécutifs et les leaders tirent parti des informations pour prendre des décisions éclairées. Le parcours vous guide ensuite à travers des expériences pratiques avec les données : collecte, nettoyage, traitement et gouvernance efficace. Vous développerez également des compétences en visualisation des données, en communication des informations par le biais de récits captivants, et en appliquant des principes éthiques et des considérations de confidentialité pour un usage responsable des données. À la fin du cours, vous aurez une solide fondation à la fois dans les aspects techniques et commerciaux des données, vous préparant à contribuer efficacement aux équipes axées sur les données et à prendre des décisions éclairées avec confiance.
Concepts abordés :
Vue d'ensemble de la science des données et de son impact organisationnel
Perspectives exécutives et de leadership sur la prise de décision basée sur les données
Collecte, nettoyage, transformation et préparation des données
Gouvernance des données, qualité et cadres de conformité
Fondamentaux de l'analyse des données et de la génération d'informations
Principes de visualisation des données et techniques de narration
Éthique, confidentialité et pratiques responsables en matière de données
Outils et cadres clés utilisés dans la gestion et l'analyse des données
Ingénierie des données
L'ingénierie des données est là où les données brutes deviennent utilisables et fiables. Dans ce module, vous apprendrez comment les données circulent à travers les pipelines ETL et comment nettoyer, transformer et préparer des ensembles de données pour de vraies applications en aval. Vous travaillerez avec les bibliothèques Python comme NumPy et Pandas pour gérer des ensembles de données à grande échelle, les normaliser et les façonner pour l'analyse. À la fin, vous serez à l'aise pour créer des flux de travail pratiques en matière de données qui soutiennent l'analyse, les tableaux de bord et les projets de science des données.
Ce que vous apprendrez
Concepts ETL et flux de travail de pipeline de données
Nettoyage et prétraitement de grands ensembles de données structurées et non structurées
Utilisation de NumPy et Pandas pour manipuler et transformer des données
Rendre l'analyse des données prête par la normalisation et le remodelage
Créer des visualisations qui mettent en évidence des informations importantes
Ingénierie des données
L'ingénierie des données est là où les données brutes deviennent utilisables et fiables. Dans ce module, vous apprendrez comment les données circulent à travers les pipelines ETL et comment nettoyer, transformer et préparer des ensembles de données pour de vraies applications en aval. Vous travaillerez avec les bibliothèques Python comme NumPy et Pandas pour gérer des ensembles de données à grande échelle, les normaliser et les façonner pour l'analyse. À la fin, vous serez à l'aise pour créer des flux de travail pratiques en matière de données qui soutiennent l'analyse, les tableaux de bord et les projets de science des données.
Ce que vous apprendrez
Concepts ETL et flux de travail de pipeline de données
Nettoyage et prétraitement de grands ensembles de données structurées et non structurées
Utilisation de NumPy et Pandas pour manipuler et transformer des données
Rendre l'analyse des données prête par la normalisation et le remodelage
Créer des visualisations qui mettent en évidence des informations importantes
Ingénierie des données
L'ingénierie des données est là où les données brutes deviennent utilisables et fiables. Dans ce module, vous apprendrez comment les données circulent à travers les pipelines ETL et comment nettoyer, transformer et préparer des ensembles de données pour de vraies applications en aval. Vous travaillerez avec les bibliothèques Python comme NumPy et Pandas pour gérer des ensembles de données à grande échelle, les normaliser et les façonner pour l'analyse. À la fin, vous serez à l'aise pour créer des flux de travail pratiques en matière de données qui soutiennent l'analyse, les tableaux de bord et les projets de science des données.
Ce que vous apprendrez
Concepts ETL et flux de travail de pipeline de données
Nettoyage et prétraitement de grands ensembles de données structurées et non structurées
Utilisation de NumPy et Pandas pour manipuler et transformer des données
Rendre l'analyse des données prête par la normalisation et le remodelage
Créer des visualisations qui mettent en évidence des informations importantes
Introduction au machine learning
L'apprentissage automatique transforme les données en prévisions, classifications et décisions. Dans ce module, vous explorerez comment les modèles d'apprentissage automatique sont construits, formés et évalués dans des projets réels. Vous travaillerez concrètement avec Scikit-learn pour préparer les données, créer des caractéristiques et comparer les performances des modèles. À la fin, vous serez en mesure de construire et d'évaluer des modèles d'apprentissage automatique qui soutiennent des applications et décisions réelles.
Ce que vous apprendrez
Comment préparer des données et créer des caractéristiques utiles
Formation de modèles d'apprentissage automatique classiques avec Scikit-learn
Comparaison et évaluation des performances des modèles
Application de la validation et des meilleures pratiques avant le déploiement
Comment l'apprentissage automatique soutient la prise de décision basée sur les données
Introduction au machine learning
L'apprentissage automatique transforme les données en prévisions, classifications et décisions. Dans ce module, vous explorerez comment les modèles d'apprentissage automatique sont construits, formés et évalués dans des projets réels. Vous travaillerez concrètement avec Scikit-learn pour préparer les données, créer des caractéristiques et comparer les performances des modèles. À la fin, vous serez en mesure de construire et d'évaluer des modèles d'apprentissage automatique qui soutiennent des applications et décisions réelles.
Ce que vous apprendrez
Comment préparer des données et créer des caractéristiques utiles
Formation de modèles d'apprentissage automatique classiques avec Scikit-learn
Comparaison et évaluation des performances des modèles
Application de la validation et des meilleures pratiques avant le déploiement
Comment l'apprentissage automatique soutient la prise de décision basée sur les données
Introduction au machine learning
L'apprentissage automatique transforme les données en prévisions, classifications et décisions. Dans ce module, vous explorerez comment les modèles d'apprentissage automatique sont construits, formés et évalués dans des projets réels. Vous travaillerez concrètement avec Scikit-learn pour préparer les données, créer des caractéristiques et comparer les performances des modèles. À la fin, vous serez en mesure de construire et d'évaluer des modèles d'apprentissage automatique qui soutiennent des applications et décisions réelles.
Ce que vous apprendrez
Comment préparer des données et créer des caractéristiques utiles
Formation de modèles d'apprentissage automatique classiques avec Scikit-learn
Comparaison et évaluation des performances des modèles
Application de la validation et des meilleures pratiques avant le déploiement
Comment l'apprentissage automatique soutient la prise de décision basée sur les données
Science des données appliquée et apprentissage profond
Le parcours en science des données appliquées et apprentissage profond offre une expertise pratique dans l'apprentissage automatique moderne, les réseaux de neurones et les flux de travail d'IA. Vous commencerez avec PyTorch, en apprenant à construire des solutions pour la classification d'images, le traitement du langage naturel, l'analyse prédictive et l'apprentissage par transfert. Ensuite, vous travaillerez avec TensorFlow et Keras pour concevoir, entraîner et déployer des réseaux de neurones et des flux de travail d'apprentissage automatique. Le parcours introduit également les principes de MLOps pour déployer et gérer des modèles en production, un entraînement continu avec des flux de données en évolution, et des applications pratiques de l'apprentissage profond dans divers secteurs tels que la santé, le commerce de détail et le marketing. Vous explorerez des sujets avancés tels que les réseaux de neurones convolutifs et récurrents, les modèles de transformateur, BERT, les grands modèles de langage et les cadres HuggingFace. À la fin de ce module, vous aurez les compétences nécessaires pour concevoir, mettre en œuvre et déployer des solutions d'apprentissage profond pour des problèmes du monde réel.
Concepts couverts :
Fondamentaux et applications avancées de PyTorch (classification d'images, NLP, analyse prédictive)
Flux de travail TensorFlow et Keras pour construire et déployer des réseaux de neurones
Principes de MLOps et pipelines ML prêts pour la production
Fondations de l'apprentissage profond et applications pratiques dans différents secteurs
Réseaux de neurones convolutifs (CNN) et réseaux de neurones récurrents (RNN)
Modèles de transformateur, BERT et grands modèles de langage (LLM)
Explicabilité des modèles et entraînement continu avec des ensembles de données en évolution
Outils pratiques et cadres, y compris HuggingFace
Science des données appliquée et apprentissage profond
Le parcours en science des données appliquées et apprentissage profond offre une expertise pratique dans l'apprentissage automatique moderne, les réseaux de neurones et les flux de travail d'IA. Vous commencerez avec PyTorch, en apprenant à construire des solutions pour la classification d'images, le traitement du langage naturel, l'analyse prédictive et l'apprentissage par transfert. Ensuite, vous travaillerez avec TensorFlow et Keras pour concevoir, entraîner et déployer des réseaux de neurones et des flux de travail d'apprentissage automatique. Le parcours introduit également les principes de MLOps pour déployer et gérer des modèles en production, un entraînement continu avec des flux de données en évolution, et des applications pratiques de l'apprentissage profond dans divers secteurs tels que la santé, le commerce de détail et le marketing. Vous explorerez des sujets avancés tels que les réseaux de neurones convolutifs et récurrents, les modèles de transformateur, BERT, les grands modèles de langage et les cadres HuggingFace. À la fin de ce module, vous aurez les compétences nécessaires pour concevoir, mettre en œuvre et déployer des solutions d'apprentissage profond pour des problèmes du monde réel.
Concepts couverts :
Fondamentaux et applications avancées de PyTorch (classification d'images, NLP, analyse prédictive)
Flux de travail TensorFlow et Keras pour construire et déployer des réseaux de neurones
Principes de MLOps et pipelines ML prêts pour la production
Fondations de l'apprentissage profond et applications pratiques dans différents secteurs
Réseaux de neurones convolutifs (CNN) et réseaux de neurones récurrents (RNN)
Modèles de transformateur, BERT et grands modèles de langage (LLM)
Explicabilité des modèles et entraînement continu avec des ensembles de données en évolution
Outils pratiques et cadres, y compris HuggingFace
Science des données appliquée et apprentissage profond
Le parcours en science des données appliquées et apprentissage profond offre une expertise pratique dans l'apprentissage automatique moderne, les réseaux de neurones et les flux de travail d'IA. Vous commencerez avec PyTorch, en apprenant à construire des solutions pour la classification d'images, le traitement du langage naturel, l'analyse prédictive et l'apprentissage par transfert. Ensuite, vous travaillerez avec TensorFlow et Keras pour concevoir, entraîner et déployer des réseaux de neurones et des flux de travail d'apprentissage automatique. Le parcours introduit également les principes de MLOps pour déployer et gérer des modèles en production, un entraînement continu avec des flux de données en évolution, et des applications pratiques de l'apprentissage profond dans divers secteurs tels que la santé, le commerce de détail et le marketing. Vous explorerez des sujets avancés tels que les réseaux de neurones convolutifs et récurrents, les modèles de transformateur, BERT, les grands modèles de langage et les cadres HuggingFace. À la fin de ce module, vous aurez les compétences nécessaires pour concevoir, mettre en œuvre et déployer des solutions d'apprentissage profond pour des problèmes du monde réel.
Concepts couverts :
Fondamentaux et applications avancées de PyTorch (classification d'images, NLP, analyse prédictive)
Flux de travail TensorFlow et Keras pour construire et déployer des réseaux de neurones
Principes de MLOps et pipelines ML prêts pour la production
Fondations de l'apprentissage profond et applications pratiques dans différents secteurs
Réseaux de neurones convolutifs (CNN) et réseaux de neurones récurrents (RNN)
Modèles de transformateur, BERT et grands modèles de langage (LLM)
Explicabilité des modèles et entraînement continu avec des ensembles de données en évolution
Outils pratiques et cadres, y compris HuggingFace
Framer est un constructeur de sites web pour les professionnels créatifs. Assurez-vous de visiter framer.com pour en savoir plus.
Framer est un constructeur de sites web pour les professionnels créatifs. Assurez-vous de consulter framer.com pour en savoir plus.
APTITUDES
……………………..
Introduction à la science des données
Le parcours en littératie des données et fondamentaux équipe les apprenants avec les connaissances essentielles et les compétences pratiques nécessaires pour travailler avec confiance avec les données dans des environnements commerciaux et techniques réels. Vous commencerez par comprendre la vue d'ensemble de la science des données et le rôle que les données jouent dans les organisations, en explorant comment les exécutifs et les leaders tirent parti des informations pour prendre des décisions éclairées. Le parcours vous guide ensuite à travers des expériences pratiques avec les données : collecte, nettoyage, traitement et gouvernance efficace. Vous développerez également des compétences en visualisation des données, en communication des informations par le biais de récits captivants, et en appliquant des principes éthiques et des considérations de confidentialité pour un usage responsable des données. À la fin du cours, vous aurez une solide fondation à la fois dans les aspects techniques et commerciaux des données, vous préparant à contribuer efficacement aux équipes axées sur les données et à prendre des décisions éclairées avec confiance.
Concepts abordés :
Vue d'ensemble de la science des données et de son impact organisationnel
Perspectives exécutives et de leadership sur la prise de décision basée sur les données
Collecte, nettoyage, transformation et préparation des données
Gouvernance des données, qualité et cadres de conformité
Fondamentaux de l'analyse des données et de la génération d'informations
Principes de visualisation des données et techniques de narration
Éthique, confidentialité et pratiques responsables en matière de données
Outils et cadres clés utilisés dans la gestion et l'analyse des données
APTITUDES
……………………..
Framer est un constructeur de sites web pour les professionnels créatifs. Assurez-vous de visiter framer.com pour en savoir plus.
Framer est un constructeur de sites web pour les professionnels créatifs. Assurez-vous de consulter framer.com pour en savoir plus.
APTITUDES
……………………..
Programmation Python de Zéro à Héros
Python est l'un des langages de programmation les plus polyvalents aujourd'hui, alimentant tout, de l'analyse des données à l'automatisation et aux services backend. Dans ce module, vous commencerez par les fondamentaux de Python : syntaxe, variables, boucles et logique, puis vous passerez progressivement à la création de programmes structurés et réutilisables utilisant des fonctions, des modules et des techniques orientées objets. À la fin, vous serez capable d'écrire un code propre et maintenable et d'appliquer Python avec assurance dans des projets pratiques.
Ce que vous apprendrez
Les fondamentaux de Python : variables, logique, boucles, flux de décision
Structuration des programmes avec des fonctions et des modules
Notions de programmation orientée objet
Débogage, tests et écriture de scripts maintenables
Utiliser Python pour préparer et traiter des ensembles de données
Introduction à la création de simples API REST
APTITUDES
……………………..
Framer est un constructeur de sites web pour les professionnels créatifs. Assurez-vous de visiter framer.com pour en savoir plus.
Framer est un constructeur de sites web pour les professionnels créatifs. Assurez-vous de consulter framer.com pour en savoir plus.
APTITUDES
……………………..
Ingénierie des données
L'ingénierie des données est là où les données brutes deviennent utilisables et fiables. Dans ce module, vous apprendrez comment les données circulent à travers les pipelines ETL et comment nettoyer, transformer et préparer des ensembles de données pour de vraies applications en aval. Vous travaillerez avec les bibliothèques Python comme NumPy et Pandas pour gérer des ensembles de données à grande échelle, les normaliser et les façonner pour l'analyse. À la fin, vous serez à l'aise pour créer des flux de travail pratiques en matière de données qui soutiennent l'analyse, les tableaux de bord et les projets de science des données.
Ce que vous apprendrez
Concepts ETL et flux de travail de pipeline de données
Nettoyage et prétraitement de grands ensembles de données structurées et non structurées
Utilisation de NumPy et Pandas pour manipuler et transformer des données
Rendre l'analyse des données prête par la normalisation et le remodelage
Créer des visualisations qui mettent en évidence des informations importantes
APTITUDES
……………………..
Ingénierie des données
L'ingénierie des données est là où les données brutes deviennent utilisables et fiables. Dans ce module, vous apprendrez comment les données circulent à travers les pipelines ETL et comment nettoyer, transformer et préparer des ensembles de données pour de vraies applications en aval. Vous travaillerez avec les bibliothèques Python comme NumPy et Pandas pour gérer des ensembles de données à grande échelle, les normaliser et les façonner pour l'analyse. À la fin, vous serez à l'aise pour créer des flux de travail pratiques en matière de données qui soutiennent l'analyse, les tableaux de bord et les projets de science des données.
Ce que vous apprendrez
Concepts ETL et flux de travail de pipeline de données
Nettoyage et prétraitement de grands ensembles de données structurées et non structurées
Utilisation de NumPy et Pandas pour manipuler et transformer des données
Rendre l'analyse des données prête par la normalisation et le remodelage
Créer des visualisations qui mettent en évidence des informations importantes
APTITUDES
……………………..
Introduction au machine learning
L'apprentissage automatique transforme les données en prévisions, classifications et décisions. Dans ce module, vous explorerez comment les modèles d'apprentissage automatique sont construits, formés et évalués dans des projets réels. Vous travaillerez concrètement avec Scikit-learn pour préparer les données, créer des caractéristiques et comparer les performances des modèles. À la fin, vous serez en mesure de construire et d'évaluer des modèles d'apprentissage automatique qui soutiennent des applications et décisions réelles.
Ce que vous apprendrez
Comment préparer des données et créer des caractéristiques utiles
Formation de modèles d'apprentissage automatique classiques avec Scikit-learn
Comparaison et évaluation des performances des modèles
Application de la validation et des meilleures pratiques avant le déploiement
Comment l'apprentissage automatique soutient la prise de décision basée sur les données
APTITUDES
……………………..
Introduction au machine learning
L'apprentissage automatique transforme les données en prévisions, classifications et décisions. Dans ce module, vous explorerez comment les modèles d'apprentissage automatique sont construits, formés et évalués dans des projets réels. Vous travaillerez concrètement avec Scikit-learn pour préparer les données, créer des caractéristiques et comparer les performances des modèles. À la fin, vous serez en mesure de construire et d'évaluer des modèles d'apprentissage automatique qui soutiennent des applications et décisions réelles.
Ce que vous apprendrez
Comment préparer des données et créer des caractéristiques utiles
Formation de modèles d'apprentissage automatique classiques avec Scikit-learn
Comparaison et évaluation des performances des modèles
Application de la validation et des meilleures pratiques avant le déploiement
Comment l'apprentissage automatique soutient la prise de décision basée sur les données
APTITUDES
……………………..
Approches classiques d'apprentissage machine
Les modèles classiques d'apprentissage automatique demeurent au cœur de nombreuses solutions de données du monde réel. Dans ce module, vous plongerez plus profondément dans les approches traditionnelles, en vous concentrant sur la manière d'ingénier des caractéristiques solides à partir de données numériques et de former des modèles qui fonctionnent de manière fiable. En cours de route, vous apprendrez les considérations de déploiement et les pratiques d'optimisation afin que vos modèles soient évolutifs, maintenables et prêts pour un usage réel.
Ce que vous apprendrez
Comment concevoir des caractéristiques qui améliorent les performances des modèles
Former et optimiser des modèles en utilisant Scikit-learn
Les algorithmes et les flux de travail ML classiques en profondeur
Évaluer et optimiser des modèles pour la production
Considérations pratiques pour exécuter l'apprentissage automatique à grande échelle
APTITUDES
……………………..
Approches classiques d'apprentissage machine
Les modèles classiques d'apprentissage automatique demeurent au cœur de nombreuses solutions de données du monde réel. Dans ce module, vous plongerez plus profondément dans les approches traditionnelles, en vous concentrant sur la manière d'ingénier des caractéristiques solides à partir de données numériques et de former des modèles qui fonctionnent de manière fiable. En cours de route, vous apprendrez les considérations de déploiement et les pratiques d'optimisation afin que vos modèles soient évolutifs, maintenables et prêts pour un usage réel.
Ce que vous apprendrez
Comment concevoir des caractéristiques qui améliorent les performances des modèles
Former et optimiser des modèles en utilisant Scikit-learn
Les algorithmes et les flux de travail ML classiques en profondeur
Évaluer et optimiser des modèles pour la production
Considérations pratiques pour exécuter l'apprentissage automatique à grande échelle
APTITUDES
……………………..
Science des données appliquée et apprentissage profond
Le parcours en science des données appliquées et apprentissage profond offre une expertise pratique dans l'apprentissage automatique moderne, les réseaux de neurones et les flux de travail d'IA. Vous commencerez avec PyTorch, en apprenant à construire des solutions pour la classification d'images, le traitement du langage naturel, l'analyse prédictive et l'apprentissage par transfert. Ensuite, vous travaillerez avec TensorFlow et Keras pour concevoir, entraîner et déployer des réseaux de neurones et des flux de travail d'apprentissage automatique. Le parcours introduit également les principes de MLOps pour déployer et gérer des modèles en production, un entraînement continu avec des flux de données en évolution, et des applications pratiques de l'apprentissage profond dans divers secteurs tels que la santé, le commerce de détail et le marketing. Vous explorerez des sujets avancés tels que les réseaux de neurones convolutifs et récurrents, les modèles de transformateur, BERT, les grands modèles de langage et les cadres HuggingFace. À la fin de ce module, vous aurez les compétences nécessaires pour concevoir, mettre en œuvre et déployer des solutions d'apprentissage profond pour des problèmes du monde réel.
Concepts couverts :
Fondamentaux et applications avancées de PyTorch (classification d'images, NLP, analyse prédictive)
Flux de travail TensorFlow et Keras pour construire et déployer des réseaux de neurones
Principes de MLOps et pipelines ML prêts pour la production
Fondations de l'apprentissage profond et applications pratiques dans différents secteurs
Réseaux de neurones convolutifs (CNN) et réseaux de neurones récurrents (RNN)
Modèles de transformateur, BERT et grands modèles de langage (LLM)
Explicabilité des modèles et entraînement continu avec des ensembles de données en évolution
Outils pratiques et cadres, y compris HuggingFace
APTITUDES
……………………..
Science des données appliquée et apprentissage profond
Le parcours en science des données appliquées et apprentissage profond offre une expertise pratique dans l'apprentissage automatique moderne, les réseaux de neurones et les flux de travail d'IA. Vous commencerez avec PyTorch, en apprenant à construire des solutions pour la classification d'images, le traitement du langage naturel, l'analyse prédictive et l'apprentissage par transfert. Ensuite, vous travaillerez avec TensorFlow et Keras pour concevoir, entraîner et déployer des réseaux de neurones et des flux de travail d'apprentissage automatique. Le parcours introduit également les principes de MLOps pour déployer et gérer des modèles en production, un entraînement continu avec des flux de données en évolution, et des applications pratiques de l'apprentissage profond dans divers secteurs tels que la santé, le commerce de détail et le marketing. Vous explorerez des sujets avancés tels que les réseaux de neurones convolutifs et récurrents, les modèles de transformateur, BERT, les grands modèles de langage et les cadres HuggingFace. À la fin de ce module, vous aurez les compétences nécessaires pour concevoir, mettre en œuvre et déployer des solutions d'apprentissage profond pour des problèmes du monde réel.
Concepts couverts :
Fondamentaux et applications avancées de PyTorch (classification d'images, NLP, analyse prédictive)
Flux de travail TensorFlow et Keras pour construire et déployer des réseaux de neurones
Principes de MLOps et pipelines ML prêts pour la production
Fondations de l'apprentissage profond et applications pratiques dans différents secteurs
Réseaux de neurones convolutifs (CNN) et réseaux de neurones récurrents (RNN)
Modèles de transformateur, BERT et grands modèles de langage (LLM)
Explicabilité des modèles et entraînement continu avec des ensembles de données en évolution
Outils pratiques et cadres, y compris HuggingFace
APTITUDES
……………………..
Création d'un portfolio en science des données
Les projets de fin d'études sont le meilleur moyen de transformer votre apprentissage en résultats tangibles. Tout au long de ce programme, vous réaliserez plusieurs projets pratiques qui vous permettront de pratiquer l'ensemble du flux de travail en science des données—de la collecte et du nettoyage des données à la création de modèles, à la génération d'insights et à la présentation de vos résultats.
Ces projets sont conçus pour vous aider à :
Appliquer des compétences réelles en Python, analyse de données, apprentissage automatique et visualisation
Résoudre des problèmes commerciaux pratiques en utilisant des approches basées sur les données
Dé montrer vos compétences à des employeurs potentiels grâce à un portfolio de travaux réalisés
Gagner en confiance dans la gestion de projets de données de manière indépendante
À la fin de ce module, vous aurez un portfolio de projets de fin d'études qui reflète non seulement votre expertise technique, mais montre également vos compétences en résolution de problèmes et votre préparation pour un rôle professionnel en science des données.
APTITUDES
……………………..
Création d'un portfolio en science des données
Les projets de fin d'études sont le meilleur moyen de transformer votre apprentissage en résultats tangibles. Tout au long de ce programme, vous réaliserez plusieurs projets pratiques qui vous permettront de pratiquer l'ensemble du flux de travail en science des données—de la collecte et du nettoyage des données à la création de modèles, à la génération d'insights et à la présentation de vos résultats.
Ces projets sont conçus pour vous aider à :
Appliquer des compétences réelles en Python, analyse de données, apprentissage automatique et visualisation
Résoudre des problèmes commerciaux pratiques en utilisant des approches basées sur les données
Dé montrer vos compétences à des employeurs potentiels grâce à un portfolio de travaux réalisés
Gagner en confiance dans la gestion de projets de données de manière indépendante
À la fin de ce module, vous aurez un portfolio de projets de fin d'études qui reflète non seulement votre expertise technique, mais montre également vos compétences en résolution de problèmes et votre préparation pour un rôle professionnel en science des données.
APTITUDES
……………………..
APTITUDES
……………………..
APTITUDES
……………………..
APTITUDES
……………………..
APTITUDES
……………………..
APTITUDES
……………………..
APTITUDES
……………………..
APTITUDES
……………………..
Introduction à la science des données
Introduction à la science des données
Programmation Python de Zéro à Héros
Python est l'un des langages de programmation les plus polyvalents aujourd'hui, alimentant tout, de l'analyse des données à l'automatisation et aux services backend. Dans ce module, vous commencerez par les fondamentaux de Python : syntaxe, variables, boucles et logique, puis vous passerez progressivement à la création de programmes structurés et réutilisables utilisant des fonctions, des modules et des techniques orientées objets. À la fin, vous serez capable d'écrire un code propre et maintenable et d'appliquer Python avec assurance dans des projets pratiques.
Ce que vous apprendrez
Les fondamentaux de Python : variables, logique, boucles, flux de décision
Structuration des programmes avec des fonctions et des modules
Notions de programmation orientée objet
Débogage, tests et écriture de scripts maintenables
Utiliser Python pour préparer et traiter des ensembles de données
Introduction à la création de simples API REST
Programmation Python de Zéro à Héros
Python est l'un des langages de programmation les plus polyvalents aujourd'hui, alimentant tout, de l'analyse des données à l'automatisation et aux services backend. Dans ce module, vous commencerez par les fondamentaux de Python : syntaxe, variables, boucles et logique, puis vous passerez progressivement à la création de programmes structurés et réutilisables utilisant des fonctions, des modules et des techniques orientées objets. À la fin, vous serez capable d'écrire un code propre et maintenable et d'appliquer Python avec assurance dans des projets pratiques.
Ce que vous apprendrez
Les fondamentaux de Python : variables, logique, boucles, flux de décision
Structuration des programmes avec des fonctions et des modules
Notions de programmation orientée objet
Débogage, tests et écriture de scripts maintenables
Utiliser Python pour préparer et traiter des ensembles de données
Introduction à la création de simples API REST
Programmation Python de Zéro à Héros
Python est l'un des langages de programmation les plus polyvalents aujourd'hui, alimentant tout, de l'analyse des données à l'automatisation et aux services backend. Dans ce module, vous commencerez par les fondamentaux de Python : syntaxe, variables, boucles et logique, puis vous passerez progressivement à la création de programmes structurés et réutilisables utilisant des fonctions, des modules et des techniques orientées objets. À la fin, vous serez capable d'écrire un code propre et maintenable et d'appliquer Python avec assurance dans des projets pratiques.
Ce que vous apprendrez
Les fondamentaux de Python : variables, logique, boucles, flux de décision
Structuration des programmes avec des fonctions et des modules
Notions de programmation orientée objet
Débogage, tests et écriture de scripts maintenables
Utiliser Python pour préparer et traiter des ensembles de données
Introduction à la création de simples API REST
Approches classiques d'apprentissage machine
Les modèles classiques d'apprentissage automatique demeurent au cœur de nombreuses solutions de données du monde réel. Dans ce module, vous plongerez plus profondément dans les approches traditionnelles, en vous concentrant sur la manière d'ingénier des caractéristiques solides à partir de données numériques et de former des modèles qui fonctionnent de manière fiable. En cours de route, vous apprendrez les considérations de déploiement et les pratiques d'optimisation afin que vos modèles soient évolutifs, maintenables et prêts pour un usage réel.
Ce que vous apprendrez
Comment concevoir des caractéristiques qui améliorent les performances des modèles
Former et optimiser des modèles en utilisant Scikit-learn
Les algorithmes et les flux de travail ML classiques en profondeur
Évaluer et optimiser des modèles pour la production
Considérations pratiques pour exécuter l'apprentissage automatique à grande échelle
Approches classiques d'apprentissage machine
Les modèles classiques d'apprentissage automatique demeurent au cœur de nombreuses solutions de données du monde réel. Dans ce module, vous plongerez plus profondément dans les approches traditionnelles, en vous concentrant sur la manière d'ingénier des caractéristiques solides à partir de données numériques et de former des modèles qui fonctionnent de manière fiable. En cours de route, vous apprendrez les considérations de déploiement et les pratiques d'optimisation afin que vos modèles soient évolutifs, maintenables et prêts pour un usage réel.
Ce que vous apprendrez
Comment concevoir des caractéristiques qui améliorent les performances des modèles
Former et optimiser des modèles en utilisant Scikit-learn
Les algorithmes et les flux de travail ML classiques en profondeur
Évaluer et optimiser des modèles pour la production
Considérations pratiques pour exécuter l'apprentissage automatique à grande échelle
Approches classiques d'apprentissage machine
Les modèles classiques d'apprentissage automatique demeurent au cœur de nombreuses solutions de données du monde réel. Dans ce module, vous plongerez plus profondément dans les approches traditionnelles, en vous concentrant sur la manière d'ingénier des caractéristiques solides à partir de données numériques et de former des modèles qui fonctionnent de manière fiable. En cours de route, vous apprendrez les considérations de déploiement et les pratiques d'optimisation afin que vos modèles soient évolutifs, maintenables et prêts pour un usage réel.
Ce que vous apprendrez
Comment concevoir des caractéristiques qui améliorent les performances des modèles
Former et optimiser des modèles en utilisant Scikit-learn
Les algorithmes et les flux de travail ML classiques en profondeur
Évaluer et optimiser des modèles pour la production
Considérations pratiques pour exécuter l'apprentissage automatique à grande échelle
Création d'un portfolio en science des données
Les projets de fin d'études sont le meilleur moyen de transformer votre apprentissage en résultats tangibles. Tout au long de ce programme, vous réaliserez plusieurs projets pratiques qui vous permettront de pratiquer l'ensemble du flux de travail en science des données—de la collecte et du nettoyage des données à la création de modèles, à la génération d'insights et à la présentation de vos résultats.
Ces projets sont conçus pour vous aider à :
Appliquer des compétences réelles en Python, analyse de données, apprentissage automatique et visualisation
Résoudre des problèmes commerciaux pratiques en utilisant des approches basées sur les données
Dé montrer vos compétences à des employeurs potentiels grâce à un portfolio de travaux réalisés
Gagner en confiance dans la gestion de projets de données de manière indépendante
À la fin de ce module, vous aurez un portfolio de projets de fin d'études qui reflète non seulement votre expertise technique, mais montre également vos compétences en résolution de problèmes et votre préparation pour un rôle professionnel en science des données.
Création d'un portfolio en science des données
Les projets de fin d'études sont le meilleur moyen de transformer votre apprentissage en résultats tangibles. Tout au long de ce programme, vous réaliserez plusieurs projets pratiques qui vous permettront de pratiquer l'ensemble du flux de travail en science des données—de la collecte et du nettoyage des données à la création de modèles, à la génération d'insights et à la présentation de vos résultats.
Ces projets sont conçus pour vous aider à :
Appliquer des compétences réelles en Python, analyse de données, apprentissage automatique et visualisation
Résoudre des problèmes commerciaux pratiques en utilisant des approches basées sur les données
Dé montrer vos compétences à des employeurs potentiels grâce à un portfolio de travaux réalisés
Gagner en confiance dans la gestion de projets de données de manière indépendante
À la fin de ce module, vous aurez un portfolio de projets de fin d'études qui reflète non seulement votre expertise technique, mais montre également vos compétences en résolution de problèmes et votre préparation pour un rôle professionnel en science des données.
Création d'un portfolio en science des données
Les projets de fin d'études sont le meilleur moyen de transformer votre apprentissage en résultats tangibles. Tout au long de ce programme, vous réaliserez plusieurs projets pratiques qui vous permettront de pratiquer l'ensemble du flux de travail en science des données—de la collecte et du nettoyage des données à la création de modèles, à la génération d'insights et à la présentation de vos résultats.
Ces projets sont conçus pour vous aider à :
Appliquer des compétences réelles en Python, analyse de données, apprentissage automatique et visualisation
Résoudre des problèmes commerciaux pratiques en utilisant des approches basées sur les données
Dé montrer vos compétences à des employeurs potentiels grâce à un portfolio de travaux réalisés
Gagner en confiance dans la gestion de projets de données de manière indépendante
À la fin de ce module, vous aurez un portfolio de projets de fin d'études qui reflète non seulement votre expertise technique, mais montre également vos compétences en résolution de problèmes et votre préparation pour un rôle professionnel en science des données.
Meet & Greet
Schedule a meeting with our Advisors and discuss all the opportunities at MCIT.
Meet us
Meet & Greet
Schedule a meeting with our Advisors and discuss all the opportunities at MCIT.
Meet us
Meet & Greet
Schedule a meeting with our Advisors and discuss all the opportunities at MCIT.
Meet us
Planifiez une rencontre avec nos conseillers et explorez toutes les options au CTIM.
1:1 with Advisor
Rencontrez-nous
Planifiez une rencontre avec nos conseillers et explorez toutes les options au CTIM.
1:1 with Advisor
Rencontrez-nous
Planifiez une rencontre avec nos conseillers et explorez toutes les options au CTIM.
1:1 with Advisor
Rencontrez-nous
Info Sessions
Schedule a meeting with our Advisors and discuss all the opportunities at MCIT.
Meet us
i
Info Sessions
Schedule a meeting with our Advisors and discuss all the opportunities at MCIT.
Meet us
i
Info Sessions
Schedule a meeting with our Advisors and discuss all the opportunities at MCIT.
Meet us
i
Contactez-nous
Conseils 1:1
Schedule a meeting with our Advisors and discuss all the opportunities at MCIT.
Parlez à un conseiller
Conseils 1:1
Participez à nos séances d'information qui sont organisées périodiquement pour en savoir plus sur nos programmes et nos offres.
Parlez à un conseiller
i
Comment postuler
Bourses
Aide financière
Aide financière
Processus
d'admission
Admissibilité
Admission
Étape 1 : Prenez rendez-vous avec un conseiller
Étape 2 : Préparez vos documents
Diplôme et relevés de notes (Secondaire, CEGEP, Collège ou Université)
Certificat de naissance (en français ou en anglais)
Preuve de statut au Canada
Preuve de compétence en français
CV à jour
Deux pièces d’identité gouvernementales avec photo
Étape 3 : Payez les frais d’admission
50 $ demande + 150 $ inscription
Étape 4 : Soumettez votre formulaire d’admission
Parlez à un conseiller
Financial Aid
Scholarships
Scholarships
Admission process
Eligibility
Our financial partners offer loans and personalized support to local entrepreneurs and internationally trained professionals.
You can also apply with the government to get financial aid through the AFE loan program (Aide financière aux études/Student financial assistance).
➔ Attend an Info Session
➔ Meet an Advisor
➔ Submit Documents
➔ Get Scholarship
➔ Begin your Career
Attend an infosession
Scholarships
Financial Aid
Scholarships
Scholarships
Admission process
Eligibility
Our financial partners offer loans and personalized support to local entrepreneurs and internationally trained professionals.
You can also apply with the government to get financial aid through the AFE loan program (Aide financière aux études/Student financial assistance).
➔ Attend an Info Session
➔ Meet an Advisor
➔ Submit Documents
➔ Get Scholarship
➔ Begin your Career
Attend an infosession
Scholarships
Financial Aid
Scholarships
Scholarships
Admission process
Eligibility
Our financial partners offer loans and personalized support to local entrepreneurs and internationally trained professionals.
You can also apply with the government to get financial aid through the AFE loan program (Aide financière aux études/Student financial assistance).
➔ Attend an Info Session
➔ Meet an Advisor
➔ Submit Documents
➔ Get Scholarship
➔ Begin your Career
Attend an infosession
Scholarships
Prêt pour l'emploi
Événements de réseautage
Événements de réseautage
Aide financière
Préparation de CV
Mentorat et conseils
Préparation de portfolio
Événements de réseautage
Événements qui vous préparent à l'emploi
Au CTIM, nos programmes vont au-delà de la salle de classe. Nous créons des occasions de réseautage, de développement et d’embauche à travers divers événements axés sur la carrière :
Événements de réseautage intelligent
Des sessions ciblées pour vous connecter avec des pros du secteur et des entreprises qui recrutent.
Présentations menées par nos enseignants
Nos enseignants partagent leur propre réseau pour vous ouvrir à des opportunités concrètes.
Réseautage entre pairs
Échangez avec vos collègues et notre réseau d'anciens étudiantsd pour tisser des liens solides dans votre domaine.
Rencontrez les recruteurs
Participez à des événements exclusifs où les recruteurs viennent rencontrer, guider et embaucher les étudiants du CTIM.
Attend an infosession
Préparation de CV
Événements de réseautage
Resume Preperation
interview Preperation
Préparation de protfolio
Craft a Winning Resume & Land Your Dream Job Faster!
Your resume is your first impression on potential employers
Join our Resume Preparation Workshop to learn how to create a standout resume that highlights your skills, experience, and strengths in a way that grabs employers’ attention.
Assistez à une Info-session
Préparation de CV
Événements de réseautage
Resume Preperation
interview Preperation
Préparation de protfolio
Craft a Winning Resume & Land Your Dream Job Faster!
Your resume is your first impression on potential employers
Join our Resume Preparation Workshop to learn how to create a standout resume that highlights your skills, experience, and strengths in a way that grabs employers’ attention.
Assistez à une Info-session
Préparation de CV
Événements de réseautage
Resume Preperation
interview Preperation
Préparation de protfolio
Craft a Winning Resume & Land Your Dream Job Faster!
Your resume is your first impression on potential employers
Join our Resume Preparation Workshop to learn how to create a standout resume that highlights your skills, experience, and strengths in a way that grabs employers’ attention.
Assistez à une Info-session
Plein feu sur nos enseignants
Mojtaba Faramarzi
Scientifique de recherche appliquée
Mojtaba est doctorant en apprentissage automatique à l’institut Mila et détient deux maîtrises—l’une en apprentissage automatique de Mila et l’autre en génie logiciel de l’Université Concordia. Il a collaboré avec des entreprises de premier plan telles qu’Amazon, Microsoft, SAP et Ericsson. Fort d’une expérience en enseignement (McGill) et en industrie, il aide les étudiants à développer esprit critique et compétences pratiques.
Michel Chamoun
Analyste d'affaires et science des données
Michel est un développeur et consultant hautement qualifié, expert en IA, analyse de données et optimisation des processus. Au sein de l’équipe GenAI, il a conçu des preuves de concept exploitant les capacités de compréhension du langage naturel de chatGPT et a intégré des modules d’IA sur Microsoft Azure. Comme consultant en stratégie et opérations, il a conçu des algorithmes pour le profilage des accès utilisateurs.
Mojtaba Ghasemi
Sénior scientifique de données
Scientifique des données axé sur les résultats, titulaire d’un doctorat en génie biomédical, spécialisé en analytique avancée, modélisation prédictive et apprentissage automatique. Avec 5 ans d’expérience et travaillant actuellement comme scientifique des données principal, Mojtaba excelle à traduire des analyses complexes pour un public non technique et à diriger des équipes interfonctionnelles livrant des solutions d’affaires percutantes.
Iraj Hedayati
Chef de l'ingénierie data
Iraj Hedayati est un ingénieur en données, chevronné avec plus de dix ans d’expérience dans la conception et la mise à l’échelle d’infrastructures de données au sein d’entreprises technologiques en forte croissance. Il travaille actuellement comme consultant chez Apple, où il se spécialise dans les systèmes distribués, Apache Spark et le développement backend. Iraj enseigne des cours en ingénierie des données axés sur des applications concrètes en traitement de Big Data, infrastructures infonuagiques et pipelines de données modernes.
À la réussite du programme, le CTIM délivre à l’étudiant une AEC (Attestation d’études collégiales)
Analyste en intelligence d’affaires et visualisation (LEA.CV) – 900 h –
Mise en lumière de l'instructeur
Mojtaba Faramarzi
Scientifique de recherche appliquée
Mojtaba est doctorant en apprentissage automatique à l’institut Mila et détient deux maîtrises—l’une en apprentissage automatique de Mila et l’autre en génie logiciel de l’Université Concordia. Il a collaboré avec des entreprises de premier plan telles qu’Amazon, Microsoft, SAP et Ericsson. Fort d’une expérience en enseignement (McGill) et en industrie, il aide les étudiants à développer esprit critique et compétences pratiques.
Michel Chamoun
Analyste d'affaires et science des données
Michel est un développeur et consultant hautement qualifié, expert en IA, analyse de données et optimisation des processus. Au sein de l’équipe GenAI, il a conçu des preuves de concept exploitant les capacités de compréhension du langage naturel de chatGPT et a intégré des modules d’IA sur Microsoft Azure. Comme consultant en stratégie et opérations, il a conçu des algorithmes pour le profilage des accès utilisateurs.
Mojtaba Ghasemi
Sénior scientifique de données
Scientifique des données axé sur les résultats, titulaire d’un doctorat en génie biomédical, spécialisé en analytique avancée, modélisation prédictive et apprentissage automatique. Avec 5 ans d’expérience et travaillant actuellement comme scientifique des données principal, Mojtaba excelle à traduire des analyses complexes pour un public non technique et à diriger des équipes interfonctionnelles livrant des solutions d’affaires percutantes.
Iraj Hedayati
Chef de l'ingénierie data
Iraj Hedayati est un ingénieur en données, chevronné avec plus de dix ans d’expérience dans la conception et la mise à l’échelle d’infrastructures de données au sein d’entreprises technologiques en forte croissance. Il travaille actuellement comme consultant chez Apple, où il se spécialise dans les systèmes distribués, Apache Spark et le développement backend. Iraj enseigne des cours en ingénierie des données axés sur des applications concrètes en traitement de Big Data, infrastructures infonuagiques et pipelines de données modernes.
Connect to Content
Add layers or components to make infinite auto-playing slideshows.
Témoignanges d'étudiants
Témoignanges d'étudiants
Prochaines sessions et horaires
Prochaines sessions et horaires
Prochaines sessions et horaires
Session d'automne
Talk to an Advisor
Session d'automne
Talk to an Advisor
Session d'automne
Talk to an Advisor
Session d'hiver
Talk to an Advisor
Session d'hiver
Talk to an Advisor
Session d'hiver
Talk to an Advisor
Session d'été
Talk to an Advisor
Session d'été
Talk to an Advisor
Session d'été
Talk to an Advisor
FAQ
FAQ
FAQ
Collège des technologies de l’information de Montréal
200 - 1255 Boulevard Robert-Bourassa
Montréal, Québec H3B 3B2
+1 514 312 2383
info@montrealcollege.ca
Collège des technologies de l’information de Montréal
200 - 1255 Boulevard Robert-Bourassa
Montréal, Québec H3B 3B2
+1 514 312 2383
info@montrealcollege.ca
Collège des technologies de l’information de Montréal
200 - 1255 Boulevard Robert-Bourassa
Montréal, Québec H3B 3B2
+1 514 312 2383
info@montrealcollege.ca
Collège des technologies de l’information de Montréal
200 - 1255 Boulevard Robert-Bourassa
Montréal, Québec H3B 3B2
+1 514 312 2383
info@montrealcollege.ca