CentreCnamParis Reconnaissance des formes et méthodes neuronales PRÉSENTATION Public et conditions d'accès

publicité
CentreCnamParis
Reconnaissance des formes et méthodes neuronales
PRÉSENTATION
Public et conditions d'accès
Cet enseignement s'adresse aux auditeurs souhaitant acquérir des connaissances de base sur l'analyse des données,
la reconnaissance des formes et la fouille de données (data mining).
Prérequis obligatoires : avoir suivi le cycle préparatoire de l'EICNAM ou avoir un niveau équivalent (licence).
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.
Compétences visées
Analyse des données, fouille de données dans les sciences de l'environnement et les sciences de l'ingénieur.
Mots-clés
Analyse factorielle
Algorithme d'apprentissage
Modélisation quantitative
Modélisation statistique
Aide à la décision
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.
Page 1
Imputation des données manquantes.
Cartes de Kohonen.
Perceptrons multi-couches pour le classement et la régression.
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 la plateforme Scikit-learn. Une introduction au langage Python et à Scikit-learn est
prévue lors des premières séances de TP.
Modalité d'évaluation
Examen.
Les compte-rendus 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.
PARCOURS
Cette UE apparaît dans les diplômes et certificats suivants
Stage :
Certains stages ont un double code, leur code propre et le code de l’UE ou du certificat équivalent.
Dans tous les cas, veillez à ne pas insérer d'espace ni de ponctuation supplémentaire.
Type(s) de formation
Diplôme/certificat
Type(s) de diplômes
Diplôme
d'ingénieur
Diplôme national
(LMD-DUT-diplôme
d'Etat)
RNCP - Titre
professionnel
Certificat
d'établissement
Diplôme
d'établissement
Niveau d'entrée
Niveau I (bac+5 et
plus)
Niveau II (bac+3
bac+4)
Niveau III (bac+2)
Page 2
Niveau IV (bac)
Niveau V
Sans niveau
spécifique
Bac
Bac +1
Bac +2
Bac +3
Bac +4
Bac +5
Sans niveau
spécifique
Alternance
Stage
UE
Présentiel
Enseignement
totalement à
distance
Enseignement
partiellement à
distance
Annuelle
1er semestre
2nd semestre
RECHERCHER PAR CODE
OK
Chargement du résultat...
Type
Intitulé
Equipe pédagogique
Lieu / Modalités
Type
Intitulé
Equipe pédagogique
Lieu / Modalités
Code
Enseignée en formation présentielle ou partiellement à distance :
Code
Type
Intitulé
Equipe pédagogique
Lieu / Modalités
Enseignée en formation présentielle ou partiellement à distance :
Code
Page 3
Type
Intitulé
Equipe pédagogique
Lieu / Modalités
Code
INFORMATIONS PRATIQUES
Contact
Recherche opérationnelle
2D4P20, 33-1-10, 2 rue Conté
75003 Paris
Tel :01 40 27 22 67
[email protected]
Voir les sites
deptinfo.cnam.fr/new/spip.php?rubrique261
Voir les dates et horaires, les lieux d'enseignement et les modes d'inscription sur les sites
internet des centres régionaux qui proposent cette formation
UE
Paris
Paris
2016-2017 1er semestre : Présentiel
2016-2017 2nd semestre : Fod accessible nationalement
2017-2018 1er semestre : Présentiel
2017-2018 2nd semestre : Fod accessible nationalement
2018-2019 1er semestre : Présentiel
2018-2019 2nd semestre : Fod accessible nationalement
Comment est organisée cette formation à distance ?
Code UE : RCP208
Cours
6
crédits
Responsable national
M. Michel CRUCIANU
Responsable opérationnel
M. Michel CRUCIANU
La FOAD
L'inscription en FOAD
Quelques conseils
Comment démarrer ?
Page 4
Comment se connecter à l'espace numérique de formation?
Accès à l'espace numérique de formation
En cas de problème, contactez [email protected]
http://www.cnam-paris.fr/choisir-ma-formation/catalogue-de-la-foad/reconnaissance-des-formes-et-methodes-neuronales-208
Page 5
Téléchargement
Explore flashcards