0972 311 312 (prix appel local)

Reconnaissance des formes et méthodes neuronales (RCP208)

Objectifs

Ce cours donne des éléments de base de l'analyse des données et de la reconnaissance des formes, ainsi que des principes fondamentaux à mettre en œuvre pour traiter des applications réelles. L'analyse des données et la reconnaissance des formes aident à comprendre des phénomènes naturels, économiques ou socio-culturels à partir...En lire plus

Compétences

Compréhension et pratique de méthodes d'analyse des données multidimensionnelles, de reconnaissance des formes et de fouille de données.

Légende :

  100% Internet - national

Condition d'accès / publics visés

Cet enseignement s'adresse aux auditeurs souhaitant acquérir des connaissances de base sur l'analyse des données, la reconnaissance des formes et la fouille de données (data mining).
Prérequis obligatoires : avoir suivi le cycle préparatoire de l'EICNAM ou avoir un niveau équivalent (licence).

Objectifs pédagogiques

Ce cours donne des éléments de base de l'analyse des données et de la reconnaissance des formes, ainsi que des principes fondamentaux à mettre en œuvre pour traiter des applications réelles. L'analyse des données et la reconnaissance des formes aident à comprendre des phénomènes naturels, économiques ou socio-culturels à partir des données empiriques et permettent de construire des modèles pour la prise de décision.
Les méthodes abordées ont de très nombreuses applications dans des domaines aussi divers que l'assurance qualité, les enquêtes d'opinion, le marketing, la gestion de la relation client, la climatologie, la sécurité environnementale, etc.
L'enseignement adopte une approche pragmatique, avec une mise en œuvre systématique des méthodes présentées.
L'unité d'enseignement RCP209 " Apprentissage, réseaux de neurones et modèles graphiques " est une suite recommandée de RCP208.

Compétences visées

Compréhension et pratique de méthodes d'analyse des données multidimensionnelles, de reconnaissance des formes et de fouille de données.

Niveau

Niveau 7 (Bac+5)

Contenu de la formation

Les thèmes abordés dans les séances de cours et de travaux pratiques (TP) sont :

  • Applications, nature des problèmes de modélisation et spécificités des données.
  • Analyse des données, réduction de dimension : méthodes factorielles.
  • Classification automatique.
  • Estimation de densités.
  • Cartes de Kohonen.
  • Imputation des données manquantes.
  • Classement et régression sans construction de modèle.
  • Perceptrons multi-couches pour le classement et la régression.
Chaque séance de cours est suivie d'une séance de TP permettant de mettre en œuvre les méthodes présentées.
Les TP sont réalisés en utilisant la plateforme Scikit-learn. Une introduction au langage Python et à Scikit-learn est prévue lors des premières séances de TP.

Modalités de validation

Examen.
Les comptes-rendus de TP seront notés et pris en compte dans l'évaluation.

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 Employeur Pôle Emploi Auto-financement
 
45 heures 900 € 225 € 225 €
Indexation officielle
FORMACODES

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

communication

[C0A1B0A4A0] analyse données - [C0A1B0A4] statistique descriptive - [C0A1B0] statistique - [C0A1] mathématiques - [C0] sciences

[M0A3B1] langage MatLab - [M0A3] langage informatique - [M0] information

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

Mots clés

Modélisation statistique;Régression linéaire; programmation;

INFOS
PRATIQUES

Durée

45 heures

Modalité

100% Internet - national  

Date de début des cours

22/02/2021

Date de fin des cours

26/06/2021