Apprentissage, Réseaux de neurones et Modèles graphiques (RCP209)

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.

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.

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 7 (Bac+5)

- 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

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

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.

• Ingénieur Informatique modélisation optimisation (IMO) (CYC9102A)
• Ingénieur en informatique, modélisation et optimisation (IMO) (CYC4700)
• Ingénieur en cybersécurité (CYC9106A)

ECTS : 6