Apprentissage statistique modelisation decisionnelle et apprentissage profond - RCP209

CNAM DE BRETAGNE

Non finançable CPF
Tout public
En ligne
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
Nous contacter
Durée
Nous contacter
Localité
En ligne
Vous pouvez suivre cette formation depuis chez vous ou depuis n’importe quel endroit à distance.
En savoir plus sur les localités en présentiel
Objectifs
Ce cours présente une introduction à l'apprentissage à partir des données, notamment à travers les réseaux de neurones, les Machines à Vecteurs Supports (SVM) et les méthodes graphiques, en vue de leur utilisation dans des applications réelles.

L'apprentissage automatique permet de construire, à partir des données empiriques, des modèles pour la prise de décision. Les méthodes abordées ont de très nombreuses applications dans des domaines aussi divers que l'assurance qualité, la surveillance, la bio-ingénierie, la climatologie, la sécurité environnementale, la recherche d'information, etc.
Programme

  • Bases de l'apprentissage supervisé : qu'est-ce qu'un modèle décisionnel ?

  • Évaluation et sélection de modèles.

  • Arbres de décision et forêts d'arbres de décision (random forest).

  • Machines à vecteurs de support (SVM) :

    • discrimination, régression,

    • estimation du support d'une distribution, ingénierie des noyaux.



  • Réseaux de neurones artificiels :

    • apprentissage de représentations

    • apprentissage profond (deep learning)

    • réseaux convolutifs

    • réseaux récurrents



Chaque séance de cours est suivie d'une séance de travaux pratiques (TP) permettant de mettre en œuvre les méthodes présentées. Les TP sont réalisés à l'aide du langage de programmation Python, en utilisant les bibliothèques logicielles Scikit-learn et Keras. Une introduction à Scikit-learn et à Keras est prévue lors des séances de TP.

Envie d’en savoir plus sur cette formation ?

Documentez-vous sur la formation

Quelle est votre situation ?

Haut de page