Formation indisponible à l'heure actuelle
Reconnaissance des formes et méthodes neuronales
Formation
À Montpellier ()
Description
-
Typologie
Formation
Missions, moyens et organisation
Le Cnam est placé sous la présidence de Jean-Paul Herteman, P-DG du groupe Safran, et dirigé par Olivier Faron.
Il remplit trois missions principales:
la formation professionnelle supérieure tout au long de la vie,
la recherche technologique et l'innovation,
la diffusion de la culture scientifique et technique.
Le Cnam offre des formations développées en étroite collaboration avec les entreprises et les organisations professionnelles afin de répondre au mieux à leurs besoins et à ceux de leurs salariés. Cette UE apparaît dans les diplômes et certificats suivants : Entrée
CYC47p-1 Ingénieur diplômé de l'école d'ingénieurs du Cnam Spécialité informatique, parcours Informatique modélisation optimisation (IMO)
Centres d'enseignement Entrée
MR084p-1 Master Sciences, technologies, santé mention informatique spécialité traitement de l'information et exploitation des données (voies professionnelle et voie recherche)
Centres d'enseignement Public et conditions d'accès L'enseignement s'adresse aux auditeurs souhaitant acquérir des connaissances de base sur les aspects algorithmiques de la reconnaissance des formes.
Prérequis obligatoires : avoir suivi le cycle préparatoire de l'EICNAM ou avoir un niveau équivalent (licence).
Les Avis
Les matières
- Analyse de résultats
Le programme
- Visualisation et prétraitement des données
- Analyse en composantes principales
- Méthodes de régression, régression linéaire
- Théorie bayesienne de la décision
- Méthodes de discrimination paramétriques
- Méthodes de discrimination non paramétriques : k plus proches voisins
- Classification automatique : K-moyennes, classification floue, classification ascendante hiérarchique
- Arbres de décision
- Le perceptron multicouches
- Algorithme de rétropropagation du gradient
- Application à la classification et à la régression
- Notions sur l'apprentissage et la généralisation
- Perceptron Multicouches et séries temporelles, applications
- Cartes auto-organisatrices de Kohonen, visualisation des données, application à la classification
- Programmation dynamique
Les projets de TP seront notés et pris en compte dans l'évaluation.
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.
Reconnaissance des formes et méthodes neuronales
