Andrea Vreugdenhil a toujours 茅t茅 attir茅e 脿 la fois par la technologie et ses retomb茅es concr猫tes. Originaire de Bromont, au Qu茅bec, elle a 茅tudi茅 la gestion des technologies d鈥檃ffaires 脿 l鈥橴niversit茅 de Sherbrooke. Durant ses 茅tudes, elle a particip茅 脿 des concours internationaux de simulation de la planification des ressources de l鈥檈ntreprise, elle a 茅t茅 vice-pr茅sidente du comit茅 des concours de son 茅cole et elle a effectu茅 des stages en veille strat茅gique 脿 BRP, 脿 Intelcom et 脿 Genetec. Depuis de nombreuses ann茅es, elle est b茅n茅vole aupr猫s de la Fondation Famille Pierre et Yolande Gingras, et elle a aid茅 脿 b芒tir le premier site Web de l鈥檕rganisation. En tant que boursi猫re McCall MacBain de 2025, Mme Vreugdenhil a choisi de faire sa ma卯trise en analytique de gestion (MAG) en personne 脿 la Facult茅 de gestion Desautels de l鈥橴niversit茅 麻豆传媒网站. Elle nous parle de son ann茅e caract茅ris茅e par l鈥檃pprentissage pratique et des exp茅riences de travail pr茅cieuses.
Pourquoi avez-vous choisi la MAG de la Facult茅 de gestion Desautels de l鈥橴niversit茅 麻豆传媒网站?
Dans le cadre de mes stages en veille strat茅gique, je me suis d茅couvert un grand int茅r锚t pour l鈥檃nalytique, et j鈥檃i r茅alis茅 qu鈥檌l y avait beaucoup 脿 explorer. Comme ce domaine 茅volue rapidement, il m鈥檈st apparu 茅vident que je devais poss茅der des bases solides en analyse de donn茅es pour continuer d鈥檃pprendre et de m鈥檃dapter. Je cherchais un programme qui me permettrait d鈥檃cqu茅rir des comp茅tences techniques approfondies et de les mettre en pratique, et c鈥檈st exactement ce que la MAG m鈥檕ffrait. Elle m鈥檃 permis de mieux comprendre des domaines essentiels comme la science des donn茅es et l鈥檌ntelligence artificielle (IA), tout en mettant ces apprentissages en application dans des environnements r茅els.
Comment la bourse McCall MacBain a-t-elle influenc茅 votre exp茅rience 脿 l鈥橴niversit茅 麻豆传媒网站 jusqu鈥檌ci?
La bourse McCall MacBain a 茅t茅 l鈥檜n des aspects les plus motivants de mon exp茅rience 脿 l鈥橴niversit茅 麻豆传媒网站, surtout en raison des personnes qu鈥檈lle m鈥檃 permis de rencontrer. Le programme de bourses r茅unit des personnes motiv茅es et curieuses aux parcours vari茅s, et faire partie de cette communaut茅 m鈥檌ncite continuellement 脿 茅largir mes perspectives et 脿 remettre en question mes id茅es. Les conversations que j鈥檃i eues avec d鈥檃utres boursiers et boursi猫res de diff茅rents domaines, par exemple sur la mani猫re dont l鈥橧A influence les politiques et les gouvernements, m鈥檕nt fait d茅couvrir de nouveaux int茅r锚ts. Ces exp茅riences m鈥檕nt permis de mieux d茅finir mon approche d鈥檃pprentissage et le type d鈥檌nfluence que je souhaite exercer.
Quels aspects du programme de MAG avez-vous trouv茅s les plus enrichissants?
Les projets concrets sur lesquels nous avons travaill茅 toute l鈥檃nn茅e ont 茅t茅 l鈥檜n des aspects les plus enrichissants du programme de MAG. Ils nous ont offert de nombreuses occasions de mettre la th茅orie en pratique afin de consolider nos apprentissages. De plus, le projet de synth猫se a 茅t茅 une exp茅rience formidable, car il nous a permis d鈥檈xplorer un probl猫me r茅el en profondeur sur une longue p茅riode. 脌 l鈥檈xt茅rieur de la classe, j鈥檃i aussi pu participer 脿 des 茅v茅nements du secteur et 脿 des concours de solutions dans le cadre desquels nous avons relev茅 des d茅fis commerciaux concrets, rencontr茅 des sp茅cialistes et appris de leur exp茅rience.
Une de mes exp茅riences les plus m茅morables a 茅t茅 l鈥�Hackathon GEN IA D茅tail. Mon 茅quipe et moi avons travaill茅 pendant plus de 35 heures afin de cr茅er un agent vocal pour appuyer le personnel en magasin. Nous avions acc猫s au soutien en temps r茅el de sp茅cialistes du secteur, notamment d鈥橝WS, et ce mentorat a chang茅 la donne. 脌 mi-chemin, nous avons d没 nous tourner vers une nouvelle solution, et nous sommes parvenus 脿 un prototype fonctionnel seulement deux heures avant notre pr茅sentation. J鈥檃i trouv茅 incroyablement gratifiant de voir notre solution en action durant la d茅monstration, et de remporter l鈥櫭﹑reuve.
Quels conseils donneriez-vous 脿 quelqu鈥檜n qui envisage de s鈥檌nscrire 脿 la MAG?
Mon conseil serait de tirer le maximum des apprentissages en classe tout en restant 脿 l鈥檃ff没t de l鈥櫭﹙olution du secteur. Le programme de MAG vous permet de bien ma卯triser les concepts et principes fondamentaux. Il offre aussi de nombreuses occasions de mettre en pratique ces apprentissages dans un contexte r茅el, par exemple dans le cadre d鈥櫭﹙茅nements du secteur, de concours de solutions et d鈥檃utres activit茅s. Le domaine 茅volue rapidement, et de nouveaux outils, cadres et approches 茅mergent constamment. Les 茅tudiants et 茅tudiantes qui participant activement aux travaux en classe et aux activit茅s du secteur tirent le maximum de leur exp茅rience.
脌 la fin de ses 茅tudes, Mme Vreugdenhil se joindra 脿 Compass Data + AI 脿 Montr茅al en tant que chef des donn茅es et des technologies d鈥橧A. Dans le cadre de ce poste, elle mettra 脿 profit les comp茅tences techniques, commerciales et en leadership acquises 脿 la MAG, dans ses stages et gr芒ce 脿 la bourse McCall MacBain.
Apprenez-en plus sur la MAG de l鈥橴niversit茅 麻豆传媒网站 et sur les .
Ma卯trise en analytique de gestion
La ma卯trise en analytique de gestion (MAG) de l鈥橴niversit茅 麻豆传媒网站 est un programme sp茅cialis茅 dans le domaine en pleine 茅volution de l鈥檃nalytique et de la science des donn茅es. Il est fortement ax茅 sur l鈥檃pprentissage par l鈥檈xp茅rience et s鈥檃ppuie sur nos trois piliers : les m茅thodes quantitatives, l鈥檃utomatisation des technologies et les applications dans le monde des affaires. La MAG couvre de nombreux sujets fondamentaux en intelligence artificielle (IA), par exemple les domaines cl茅s de la mod茅lisation du langage, de la reconnaissance d鈥檌mage, de la visualisation des donn茅es et de l鈥檃utomatisation de l鈥檃rchitecture des donn茅es. Gr芒ce 脿 notre programme complet, les 茅tudiants et 茅tudiantes acqui猫rent les comp茅tences pratiques et les connaissances essentielles pour relever les d茅fis du monde r茅el dans les domaines en 茅volution rapide de l鈥橧A et de l鈥檃nalytique.
