Accueil UnitésReconnaissance des formes et méthodes neuronales
RCP208

U.E Reconnaissance des formes et méthodes neuronales

nombre d’heures
51
Modalités 100% à distance
Crédits ects
6

Où se
former?

1 Centre d’enseignement en Nouvelle-Aquitaine

Quand se former ?

Rentrée
Permanente !
voir toutes les dates

Votre projet professionnel commence ici !

Formez-vous avec

Dites-nous tout sur votre projet !

Choisissez une session de formation

Centres de formation :
Modalités d’enseignement : 100% à distance Mixte : à distance + cours en salle Présentiel
Centres de formation Prochaines sessions Modalités Informations
Session 2021/2022
Centres de formation Prochaines sessions Modalités Informations
Nouvelle-Aquitaine Février 2022
Juin 2022

2nd semestre
RCP208-2021-2-FN-NA

Formation dispensée par un autre centre Cnam. Supports de cours et ressources pédagogiques en ligne, activités pédagogiques encadrées à distance, regroupements en visio conférence. Planning fourni par le centre Cnam dispensateur de l’enseignement.
Session 2022/2023
Centres de formation Prochaines sessions Modalités Informations
Nouvelle-Aquitaine Février 2023
Juin 2023

2nd semestre
RCP208-2022-2-FN-NA

Formation dispensée par un autre centre Cnam. Supports de cours et ressources pédagogiques en ligne, activités pédagogiques encadrées à distance, regroupements en visio conférence. Planning fourni par le centre Cnam dispensateur de l’enseignement.
Voir ma liste de formation
Prérequis :

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 :

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 oeuvre 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 oeuvre 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, modélisation descriptive à partir de données, introduction à la modélisation décisionnelle avec application à la reconnaissance des formes et à la fouille de données.

Nous contacter

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.

Chaque séance de cours est suivie d'une séance de TP permettant de mettre en oeuvre les méthodes présentées.
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.

Modalités de validation :

Examen ; certaines questions peuvent porter sur les travaux pratiques.

Nous contacter

Agenda

Choisissez une session de formation

Centres de formation
Modalités d’enseignement : 100% à distance Mixte : à distance + cours en salle Présentiel
  • Session 2020/2021

    Pas d'Unité d'Enseignement pour cette session

  • Session 2021/2022

  • Session 2022/2023

Présentation

Prérequis :

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 :

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 oeuvre 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 oeuvre 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, modélisation descriptive à partir de données, introduction à la modélisation décisionnelle avec application à la reconnaissance des formes et à la fouille de données.

Nous contacter

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.

Chaque séance de cours est suivie d'une séance de TP permettant de mettre en oeuvre les méthodes présentées.
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.

Modalités de validation :

Examen ; certaines questions peuvent porter sur les travaux pratiques.

Nous contacter
Tarif indicatif
1 020

Mobilisez les financements auxquels vous avez droit !

Votre entreprise

finance

1 020

Vous payez

0

Pôle Emploi



finance

510

Vous payez

0

Votre CPF

Compte Personnel de Formation

finance

1 020

Vous payez

0

Le Conseil Régional

finance

Vous payez

156 (1)

AG2R (2)
La Mondiale

finance
700

/module (4 modules maximum/an)

Vous payez

0
(1) -20% pour les demandeurs d'emploi (2) Dispositif réservé aux adhérents demandeurs d'emploi

Besoin de plus d’information sur les dispositifs de financement ?

Demandez l’aide
d’un conseiller
Cnam Nouvelle-Aquitaine

Valorisez votre formation avec un diplôme !

CS9700A
Certificat de spécialisation Intelligence artificielle
Appuyer sur Entrée pour chercher ou la touche ESC pour fermer
    top