Reconnaissance des formes et méthodes neuronales
Formation
À Paris Cédex 03
Avez-vous besoin d'un coach de formation?
Il vous aidera à comparer différents cours et à trouver la solution la plus abordable.
Description
-
Typologie
Formation
-
Lieu
Paris cédex 03
-
Dates de début
Dates au choix
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.
Les sites et dates disponibles
Lieu
Date de début
Date de début
À propos de cette formation
Analyse des données, modélisation descriptive à partir de données, introduction à la modélisation décisionnelle avec application à la reconnaissance des formes et à la fouille de données.
Les Avis
Les matières
- Analyse de résultats
- Analyse de données
Le programme
Contenu
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.
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.
Modalité d'évaluation
Examen ; certaines questions peuvent porter sur les travaux pratiques.
Bibliographie
- A. Belaid, Y. Belaid : Reconnaissance des formes : méthodes et applications. Ed. Inter Editions.
- G. Dreyfus, et al : Réseaux de neurones : méthodologies et applications. Ed. Eyrolles.
- M. Crucianu, J.-P. Asselin de Beauville, R. Boné : Méthodes factorielles pour l'analyse des données : méthodes linéaires et extensions non-linéaires. Ed. Hermès.
- G. Saporta : Probabilités, analyse des données et statistique. Ed. TECHNIP.
- D.J. Hand, H. Mannila, P. Smyth : Principles of Data Mining (Adaptive Computation and Machine Learning). Ed. Bradford Book.
Avez-vous besoin d'un coach de formation?
Il vous aidera à comparer différents cours et à trouver la solution la plus abordable.
Reconnaissance des formes et méthodes neuronales