CNAM - Conservatoire National des Arts et Métiers

Apprentissage, Réseaux de neurones et Modèles graphiques

CNAM - Conservatoire National des Arts et Métiers
À Paris Cédex 03

Prix à consulter
Ou préférez-vous appeler directement le centre?
33142... Voir plus

Infos importantes

Typologie Formation
Lieu Paris cédex 03
Début Dates au choix
  • Formation
  • Paris cédex 03
  • Début:
    Dates au choix
Description

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

Installations (1)
Où et quand
Début Lieu
Dates au choix
Paris Cédex 03
292 Rue Saint-Martin, 75141, (75) Paris, France
Voir plan
Début Dates au choix
Lieu
Paris Cédex 03
292 Rue Saint-Martin, 75141, (75) Paris, France
Voir plan

Foire aux questions

· Prérequis

Public et conditions d'accès 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 l'UE RCP208 « Reconnaissance des formes et méthodes neuronales ».

Opinions

0.0
Non évalué
Évaluation de la formation
61,5%
Recommandé
3.9
fantastique
Évaluation du Centre

Opinions sur cette formation

Il n'y a pas encore d'opinions sur cette formation
* Opinions recueillies par Emagister et iAgora

Qu'apprend-on avec cette formation ?

Ingénierie formation
Ingénierie

Programme

Programme

Contenu

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.
  • Apprentissage de représentations, apprentissage profond ("deep learning").
  • Modèles graphiques, apprentissage structuré.
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 les plateformes Scikit-learn et Keras. Une introduction à Scikit-learn et à Keras est prévue lors des séances de TP.

Modalité d'évaluation

Projet et examen final.

Bibliographie

  • G. Dreyfus et al : Réseaux de neurones ( Eyrolles).
  • A. Cornuéjols et al : Apprentissage artificiel : Concepts et algorithmes (Eyrolles)
  • P. Naim et al : Réseaux bayésiens (Eyrolles).
  • B. Scholkopf, A. J. Smola : Learning With Kernels: Support Vector Machines, Regularization, Optimization and Beyond (MIT Press).
  • T. Hastie et al : The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Springer).
  • F.V. Jensen : Bayesian Networks and Decision Graphs ( Springer-Verlag).
  • C.M. Bishop : Neural Networks for Pattern Recognition (Oxford University Press)


Ceux qui ont consulté cette formation ont également consulté...
En voir plus