Reconnaissance des formes et méthodes neuronales

Code UE : RCP208

  • Cours
  • 6 crédits

Responsable national

Michel CRUCIANU

Responsable opérationnel

Michel CRUCIANU

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

Data Mining.
Traitement des données dans les sciences de l'environnement et les sciences de l'ingénieur.

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.
  • Cartes de Kohonen.
  • Imputation des données manquantes.
  • Classement et régression sans construction de modèle.
  • 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 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.

Cette UE apparaît dans les diplômes et certificats suivants

Chargement du résultat...
Patientez
Type
Intitulé
Equipe pédagogique
Modalité(s) / Lieu(x)
Code
Equipe pédagogique Informatique
Modalité(s) / Lieu(x)
  • - Enseignée en formation présentielle et/ou partiellement à distance : Bretagne, Ile-de-France (sans Paris), Paris
  • Equipe pédagogique Informatique
    Modalité(s) / Lieu(x)
  • - Enseignée en formation présentielle et/ou partiellement à distance : Paris
  • Type Intitulé Equipe pédagogique Modalité(s) / Lieu(x) Code

    Contact

    Recherche opérationnelle
    2D4P20, 33-1-10, 2 rue Conté
    75003 Paris
    Tel :01 40 27 22 67
    secretariat.ro@cnam.fr

    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
          • 2017-2018 1er semestre : Présentiel
          • 2017-2018 2nd semestre : Fod accessible nationalement
          • 2018-2019 1er semestre : Présentiel
          • 2018-2019 2nd semestre : Fod accessible nationalement
          • 2019-2020 1er semestre : Présentiel
          • 2019-2020 2nd semestre : Fod accessible nationalement
          Comment est organisée cette formation à distance ?

          Planning

          Date limite d'inscription : 26/03/2018
          Date de démarrage : 19/02/2018
          Date de la première session d'examen :00/00/0000
          Date de la deuxième session d'examen :00/00/0000

          Accompagnement collectif

          Rendez-vous :
          Chat :
          Forum par UE :oui
          Webconférence :

          Accompagnement individuel

          Echange par mails : oui
          Accompagnement téléphonique :

          Regroupement

          Séances de regroupement : non

          Modalités de validation

          Examen sur table :oui
          Projet : non
          Contrôle continu : non
          Examen partiel : non
          :