Apprentissage statistique : modélisation descriptive et introduction aux réseaux de neurones
Public Concerné
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).
Prérequis obligatoires : avoir suivi le cycle préparatoire de l'EICNAM ou avoir un niveau équivalent (licence).
L'avis des auditeurs
Les dernières réponses à l'enquête d'appréciation pour cet enseignement :
Présence et réussite aux examens
Pour l'année universitaire 2021-2022 :
- Nombre d'inscrits : 153
- Taux de présence à l'évaluation : 73%
- Taux de réussite à l'évaluation : 92%
Objectifs pédagogiques
Ce cours donne des éléments de base de l'analyse des données et de la modélisation descriptive, ainsi que des principes à mettre en oeuvre pour traiter des applications réelles. Une introduction à la modélisation décisionnelle avec des réseaux de neurones est également présentée. L'analyse des données et la modélisation descriptive aident à comprendre les données empiriques issues de phénomènes naturels, économiques ou socio-culturels. Cette compréhension facilite la mise en oeuvre de méthodes performantes de construction de modèles décisionnels.
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, etc.
L'enseignement adopte une approche pragmatique, les séances de travaux pratiques permettant la mise en oeuvre systématique des méthodes présentées.
Les unités d'enseignement RCP209 « Apprentissage statistique : modélisation décisionnelle et apprentissage profond », RCP211 « Intelligence artificielle avancée » et RCP217 « Intelligence artificielle pour des données multimédia » sont des suites recommandées de RCP208.
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, etc.
L'enseignement adopte une approche pragmatique, les séances de travaux pratiques permettant la mise en oeuvre systématique des méthodes présentées.
Les unités d'enseignement RCP209 « Apprentissage statistique : modélisation décisionnelle et apprentissage profond », RCP211 « Intelligence artificielle avancée » et RCP217 « Intelligence artificielle pour des données multimédia » sont des suites recommandées de RCP208.
Capacité et compétences acquises
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.
Contenu de la formation
Les thèmes abordés dans les séances de cours et de travaux pratiques (TP) sont :
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.
- Applications, nature des problèmes de modélisation et spécificités des données.
- Analyse des données, réduction de dimension : méthodes factorielles.
- Réduction non-linéaire de dimension : UMAP, t-SNE.
- Sélection de variables.
- Classification automatique : k-moyennes, DBSCAN.
- Estimation de densités : noyaux, modèles de mélange.
- Imputation des données manquantes.
- Réseaux de neurones multi-couches : architectures, capacités d'approximation, apprentissage et régularisation, explicabilité.
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.
Description des modalités de validation
Examen ; certaines questions peuvent porter sur les travaux pratiques.
Prévisions d'ouverture
| Groupe | Semestre | Modalité | État d'ouverture | Date du premier cours | Lieux | ||
|---|---|---|---|---|---|---|---|
| RCP208 | Apprentissage statistique : modélisation descriptive et introduction aux réseaux de neurones | 6 | Cours de Jour | - | - | - | - |
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
- Paris
- Centre Cnam Paris
- 2024-2025 1er semestre: Formation en présentiel soir ou samedi
- 2024-2025 2nd semestre: Formation ouverte et à distance soir ou samedi
- 2025-2026 1er semestre: Formation en présentiel soir ou samedi
- 2025-2026 2nd semestre: Formation ouverte et à distance soir ou samedi
- 2026-2027 1er semestre: Formation en présentiel soir ou samedi
- 2026-2027 2nd semestre: Formation ouverte et à distance soir ou samedi
- Centre Cnam Paris
