Ce cours présente les méthodes modernes d'intelligence artificielle pour la modélisation décisionnelle à partir des données, notamment les machines à vecteurs supports (SVM), les forêts aléatoires et les réseaux de neurones profonds, en vue de leur utilisation dans des applications réelles.
L'apprentissage automatique ou (machine learning) permet de construire des modèles prédictifs à partir de jeux de données empiriques, par exemple pour la prise de décision. Les méthodes abordées font partie de l'intelligence artificielle et de la fouille de données et ont de très nombreuses applications dans des domaines aussi divers que l'assurance qualité, le diagnostic médical, les véhicules autonomes, la bio-ingénierie, la climatologie, la sécurité environnementale, le marketing, la gestion de la relation client, la recherche d'information, etc.
Cet enseignement s'adresse aux auditeurs et auditrices souhaitant se former à l'apprentissage statistique, notamment à l'apprentissage profond et aux réseaux de neurones artificiels.
Prérequis :
L'UE est évaluée sur un projet personnel et un examen écrit. La note finale est la moyenne entre la note obtenue au projet et la note obtenue à l'examen.
Les thèmes abordés dans les séances de cours et de travaux pratiques (TP) sont :
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.
Cette UE apparaît dans les diplômes et certificats suivants :
Centre de formation |
Semestre
2024/2025 |
Jours de formation |
Modalité | Crédits | ||
---|---|---|---|---|---|---|
Paris | Semestre 1 | 6 crédits (1) | ||||
Date de début des cours (*) :
* Les dates fournies sont d'ordre général à toutes les formations. |
Tarif (1) : |
---|
Vous pouvez consulter nos tarifs ici. |
Date de début de cours : |
Les dates fournies sont d'ordre général à toutes les formations. Les cours pour cette formation peuvent potentiellement commencer un peu plus tard dans le semestre. |
Annuel : |
Il s'étend de fin septembre / début octobre à début juillet (dates indicatives, renseignez-vous auprès de votre centre). |
Semestre 1 : |
Il s'étend de fin septembre / début octobre à fin janvier / début février (dates indicatives, renseignez-vous auprès de votre centre). |
Semestre 2 : |
Il s'étend de fin février / début mars à début juillet (dates indicatives, renseignez-vous auprès de votre centre). |
Cours du soir : | |
---|---|
Les cours commencent le plus souvent à 18h30 dans les centres. |
|
Cours en journée : | |
Se renseigner auprès du centre pour connaître les horaires. |
|
Cours en ligne : | |
les cours sont diffusés sous forme de séances numériques via une plateforme d’e-learning animées et tutorées par un enseignant. Des séances de regroupement en visio sont proposées. |
|
Classe virtuelle (Formation à distance planifiée): | |
L'enseignant à distance intervient en direct et en visioconférence sur la plateforme d'e-learning. Il complète son intervention par des activités interactives (exercices échanges…) |
|
Cours en ligne hybride : | |
Cette modalité associe des cours en ligne tutorées et des regroupements en présentiel obligatoires. |
|
Cours hybrides : | |
Cette modalité mixe des cours en présentiel (en cours du soir ou en journée) et des cours en ligne. |
|
Cours en ligne organisés par un autre centre CNAM Régional : |
|
Les cours sont diffusés sous forme de séances numériques via une plateforme d'e-learning animées et tutorées par un enseignant. |
|
Formation co-modale : | |
Formation proposée en présentiel et à distance en simultané. L'auditeur a la possibilité de choisir de venir sur site pour suivre l'enseignement ou bien de suivre à distance. Les cours se déroulent en semaine généralement après 18h ou le samedi. |