Catalogue de formations à distance

Apprentissage, Réseaux de neurones et Modèles graphiques

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 :

  • Apprentissage supervisé : discrimination, régression, prédiction structurée.
  • Evaluation et sélection de modèles.
  • Arbres de décision et forêts d'arbres de décision (random forest).
  • Machines à vecteurs de support (SVM) : discrimination, régression, estimation du support d'une distribution, ingénierie des noyaux.
  • Réseaux de neurones, apprentissage de représentations, apprentissage profond (deep learning).
  • Modèles graphiques, apprentissage structuré.

Chaque séance de cours est suivie d'une séance de travaux pratiques (TP) permettant de mettre en œuvre les méthodes présentées.
Les TP sont réalisés en utilisant les plateformes Scikit-learn et Keras. Une introduction à Scikit-learn et à Keras est prévue lors des séances de TP.

Objectif

Ce cours présente des méthodes de modélisation décisionnelle à partir des données, notamment à travers les machines à vecteurs supports (SVM), les réseaux de neurones profonds, et la prédiction structurée, 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, le diagnostique médical, les véhicules autonomes, la bio-ingénierie, la climatologie, la sécurité environnementale, le marketing, la gestion de la relation client, la recherche d'information, etc.

Conditions d'admission

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.

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