Conférence sur les carrières Quantum Leaps – Génie informatique et science des données

Chargement Events

" Tous les évènements

  • Cet événement est passé.

Conférence sur les carrières Quantum Leaps – Génie informatique et science des données

Mars 27 @ 6: 00 pm - 7 h

Test de niveau
Il s'agit d'un événement de conférence sur les carrières permettant aux lycéennes d'interagir avec des femmes professionnelles en STEM et d'en apprendre davantage sur les carrières scientifiques.

SCWIST Quantum Leaps est une conférence virtuelle sur les carrières spécialement conçue pour les filles de la 8e à la 12e année intéressées ou curieuses d'explorer des carrières dans les sciences, la technologie, l'ingénierie et les mathématiques (STEM). Cette conférence donne aux filles un aperçu de ce que font les femmes dans les domaines STEM dans leur carrière.

Au cours de ces événements, les filles peuvent rencontrer des professionnelles qui ont réussi dans leurs domaines STEM et rencontrer d'autres filles partageant les mêmes idées et partageant les mêmes aspirations et intérêts. Cet événement les aidera à en savoir plus sur les domaines STEM qui les intéressent et à découvrir de nouveaux domaines STEM. Quantum Leaps vise également à aider les étudiants dans la transition entre le lycée et l’enseignement supérieur.

Cet événement particulier Quantum Leaps se concentrera sur les femmes professionnelles travaillant dans des carrières liées à l'ingénierie informatique et à la science des données. Ils possèdent également une expertise en communication scientifique et en facilitation de l’apprentissage. Avaient-ils un plan fixe sur ce qu’ils aimeraient faire cinq ans après le lycée ? Comment parviennent-ils à changer d’orientation professionnelle ? Savaient-ils qu’ils voulaient poursuivre ces carrières lorsqu’ils étaient à l’université ? Les filles auront l'occasion d'interagir avec ces femmes pour obtenir les réponses dont elles ont besoin lors de l'événement.

PROGRAMME

  • 6h00-6h25 : Intervenant 1 et session de questions-réponses
  • 6h25-6h55 : Intervenant 2 et session de questions-réponses
  • 6h55-7h00 Conclusion

Conférenciers.es

Imane Chafi

Imane Chafi poursuit actuellement un doctorat en génie informatique à
Polytechnique Montréal tout en étudiant parallèlement à une maîtrise en
Architecture au Boston Architectural College. Ses recherches portent
sur la génération de formes à l'aide de modèles d'apprentissage automatique, dans le but de
relever les défis de durabilité dans le secteur dentaire et architectural
secteurs. Ayant déjà obtenu un diplôme en
Génie Logiciel, Imane lui apporte un ensemble de compétences diversifiées
travail interdisciplinaire. Durant ses études de premier cycle, elle a servi
en tant que vice-président des communications de la société d'ingénierie et a participé
dans l'équipe de fusée. Elle est également actuellement vice-présidente des communications de
l'association pour les études supérieures à Polytechnique Montréal. Au-delà
ses activités académiques, Imane a co-écrit deux anthologies et est
dédié à la défense des femmes dans le domaine STEM. Elle propose également
mentorat aux étudiants intéressés par des carrières en recherche. Ne hésitez pas à
connectez-vous avec elle via LinkedIn :
https://www.linkedin.com/in/imane-chafi/

Riya Eliza Shaju

Riya est une étudiante diplômée et poursuit actuellement sa maîtrise en science des données à l'Université de la Colombie-Britannique. Avec une expérience de mentor en apprentissage automatique chez Google Explore ML et Kaggle X, elle se consacre à rendre la science des données plus accessible aux débutants. Elle contribue activement à des projets open source en science des données et a créé une collection de projets de niveau débutant pour soutenir les aspirants data scientists. De plus, elle encadre des individus dans le domaine de l’apprentissage automatique, les aidant à développer leurs compétences et à atteindre leurs objectifs. Elle est membre actif de diverses communautés technologiques de Vancouver et des environs, où elle soutient activement les initiatives visant à faire progresser le domaine de la science des données.

En haut