Formation indisponible à l'heure actuelle

Reconnaissance des formes et méthodes neuronales

Formation

À Montpellier ()

Prix sur demande

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).

Questions / Réponses

Ajoutez votre question

Nos conseillers et autres utilisateurs pourront vous répondre

Saisissez vos coordonnées pour recevoir une réponse

Nous ne publierons que votre nom et votre question

Emagister S.L. (responsable du traitement) traitera vos données pour mener des actions promotionnelles (par e-mail et/ou téléphone), publier des avis ou gérer des incidents. Vous pouvez consulter vos droits et gérer votre désinscription dans la politique de confidentialité.

Les Avis

Les matières

  • Analyse de résultats

Le programme

Contenu
  • 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
Modalités de l'évaluation Examen.
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

Prix sur demande