0972 311 312 (prix appel local)

Apprentissage, Réseaux de neurones et Modèles graphiques (RCP209)

Objectifs

Ce cours présente une introduction à l'apprentissage à partir des données, notamment à travers les réseaux de neurones, les Machines à Vecteurs Supports (SVM) et les méthodes graphiques, en vue de leur utilisation dans des applications réelles. L'apprentissage automatique permet de construire, à partir des données empiriques, des modèles pour la...En lire plus

Compétences

Fouille de données (data mining), aide à la décision, traitement des données dans les sciences de l'ingénieur et les sciences de l'environnement.

Légende :

  100% Internet - national

Condition d'accès / publics visés

Cet enseignement s'adresse aux auditeurs souhaitant acquérir des connaissances sur la modélisation à partir des données pour la reconnaissance des formes et la fouille de données (data mining).
Prérequis obligatoires : avoir suivi la première partie du cycle spécialisation de l'EICNAM ou avoir le niveau M1 (Bac + 4). Il est fortement recommandé d'avoir suivi au préalable l'UE RCP208 « Reconnaissance des formes et méthodes neuronales » ou un enseignement équivalent comportant une présentation des méthodes de base d'analyse des données et de modélisation descriptive des données.

Objectifs pédagogiques

Ce cours présente une introduction à l'apprentissage à partir des données, notamment à travers les réseaux de neurones, les Machines à Vecteurs Supports (SVM) et les méthodes graphiques, en vue de leur utilisation dans des applications réelles.
L'apprentissage automatique permet de construire, à partir des données empiriques, des modèles pour la prise de décision. Les méthodes abordées ont de très nombreuses applications dans des domaines aussi divers que l'assurance qualité, la surveillance, la bio-ingénierie, la climatologie, la sécurité environnementale, la recherche d'information, etc.

Compétences visées

Fouille de données (data mining), aide à la décision, traitement des données dans les sciences de l'ingénieur et les sciences de l'environnement.

Niveau

Niveau 7 (Bac+5)

Contenu de la formation

- Estimation des fonctions densités : méthodes de maximum de vraisemblance, algorithme EM.
- Cartes auto-organisatrices appliquées aux données quantitatives, catégorielles et mixtes.
- Chaînes de Markov cachées.
- Apprentissage, générali

Modalités de validation

Exposé sur la base d'articles et de documents.
Mémoire de synthèse sur un sujet précis et traitant une application réelle.

Accompagnement et suivi

Sous l’autorité pédagogique du certificateur Cnam, les équipes du Cnam Bretagne vous offrent un accompagnement pendant votre parcours de formation à la fois sur les aspects administratifs, financiers, pédagogiques et techniques.

ECTS : 6

Modalité Volume horaire CPF Employeur Pôle Emploi Auto-financement
 
45 heures   900 € 225 € 225 €
Indexation officielle
FORMACODES

[M0A3B6] langage Python - [M0A3] langage informatique - [M0] information

communication

[M0A2C1] intelligence artificielle - [M0A2] informatique - [M0] information

Mots clés

Algorithme d'apprentissage, Analyse statistique des données, Prévision, Reconnaissance des formes, Modélisation quantitative, Modélisation statistique, Data mining, Régression linéaire, Série chronologique, Machines à vecteurs support, Réseau neuronal

INFOS
PRATIQUES

Durée

45 heures

Modalité

100% Internet - national  

Date de début des cours

19/10/2020

Date de fin des cours

20/02/2021