Catalogue de formations à distance

Reconnaissance des formes et méthodes neuronales

CNAM de Paris, Conservatoire national des arts et métiers (Cnam Paris)

292 rue Saint-Martin
75141
PARIS Cedex 03
France

CNAM de Paris, Conservatoire national des arts et métiers (Cnam Paris)

292 rue Saint-Martin
75141
PARIS Cedex 03
France

INSCRIPTION

Repère

Crédits ECTS
6
Formation
formation entièrement à distance
Diplôme
Autres formations du supérieur

Tarif

Dates

Partagez !

LOCALISATION

Régions(s) :
Île-de-France, Île-de-France
Académie(s) :
Paris, Paris

CONTACT

Le Conservatoire National des Arts et Métiers
292, rue Saint-Martin
75003
Paris
http://www.cnam.fr
Description

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.
  • Imputation des données manquantes.
  • Cartes de Kohonen.
  • 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 principalement la plateforme Scikit-learn. Une introduction rapide au langage Python, à NumPy, à matplotlib et à Scikit-learn est prévue lors des premières séances de TP.

Objectif

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.

Conditions d'admission

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).

Public visé
  • Tout public

Critères de réferencement

Pour figurer dans le catalogue Sup-Numerique, les formations doivent être :

  • portées par des établissements d'enseignement supérieur français dûment identifiés par le M.E.S.R.I. au titre du service public (établissements publics d'Enseignement supérieur français, établissements publics ou privés qui proposent des formations dont les diplômes sont visés par le M.E.S.R.I.)
  • en partenariat avec :.
    • le Centre national d'enseignement à distance (CNED)
    • le Conservatoire national des arts et métiers (CNAM)
    • la Fédération interuniversitaire de l'enseignement à distance (FIED)

Contactez la FIED pour faire référencer vos formations à distance

Centre national d'enseignement à distance
Conservatoire national des arts et métiers
Fédération Interuniversitaire de l'Enseignement à Distance