Introduction au machine learning scientifique
Public Concerné
Justifier du niveau du Diplôme du Premier Cycle Technique du Cnam
Objectifs pédagogiques
Comprendre les fondements du machine learning appliqué au calcul scientifique.
Analyser les réseaux de neurones comme outils pour le calcul scientifique et évaluer leurs propriétés de convergence et de généralisation.
Formuler et implémenter des modèles contraints par la physique, notamment les Physics-Informed Neural Networks (PINNs).
Identifier les limites théoriques et numériques de ces approches.
Applications à l'étude des équations de la mécanique des structures, des fluides, de l'acoustique, de la thermique.
Analyser les réseaux de neurones comme outils pour le calcul scientifique et évaluer leurs propriétés de convergence et de généralisation.
Formuler et implémenter des modèles contraints par la physique, notamment les Physics-Informed Neural Networks (PINNs).
Identifier les limites théoriques et numériques de ces approches.
Applications à l'étude des équations de la mécanique des structures, des fluides, de l'acoustique, de la thermique.
Capacité et compétences acquises
Compétences en modélisation numérique de problèmes d'ingénieurs.
Contenu de la formation
Rappels de calcul scientifique et d'analyse numérique.
Bases de l'apprentissage automatique.
Réseaux de neurones artificiels.
Théorie d'approximation et convergence des réseaux de neurones.
Physics-Informed Neural Networks (PINNs).
Questions numériques et HPC.
Bases de l'apprentissage automatique.
Réseaux de neurones artificiels.
Théorie d'approximation et convergence des réseaux de neurones.
Physics-Informed Neural Networks (PINNs).
Questions numériques et HPC.
Description des modalités de validation
Un examen final en temps limité.
Les TP réalisés en cours d'enseignement peuvent être pris en compte.
Les TP réalisés en cours d'enseignement peuvent être pris en compte.
En alternance ou en formation continue en journée :
Merci de consulter directement le secrétariat pédagogique de votre formation pour obtenir le planning.
En formation « à la carte Hors Temps de Travail », en présentiel, à distance ou hybride :
Voir les dates, les lieux d'enseignement et les modalités d'inscription sur les sites internet des centres régionaux qui proposent cette formation.
- Paris
- Paris
- 2026-2027 2nd semestre: Formation en présentiel soir ou samedi
- Paris
