Intelligence artificielle appliquée aux systèmes énergétiques
ENT205
Objectifs pédagogiques :
- Acquérir les bases pour appliquer les méthodes d'intelligence artificielle aux systèmes énergétiques à partir de données réelles ou simulées.
- Développer la capacité à concevoir, entraîner et valider des modèles prédictifs de machine learning pour des applications énergétiques.
- Appréhender l'analyse des données et le machine learning pour comprendre, diagnostiquer et améliorer la performance des systèmes énergétiques.
Public et conditions d'accès :
- Bases en thermique et systèmes énergétiques
- Bases en mathématiques et statistiques appliquées
- Programmation Python
- Notions d'analyse de données et de machine learning (recommandées)
Compétences :
- Construire des chaines de traitement et d'analyse des données énergétiques.
- Concevoir, entraîner et optimiser des modèles de machine learning pour des applications énergétiques.
- Évaluer, comparer et interpréter les modèles développés.
Contenu de la formation :
Introduction à l'analyse des données
- Prétraitement des données
- Analyse exploratoire des données
- Visualisation et interprétation
- Réduction de dimension
- Analyse des séries temporelles
- Préparation des données pour la modélisation
Introduction au machine learning
- Concepts fondamentaux : apprentissage supervisé et non supervisé, régression et classification, sous-apprentissage et surapprentissage
- Modèles : linéaires, réseaux de neurones, méthodes d'ensemble
- Optimisation d'hyperparamètres
- Évaluation des performances des modèles
Réseaux de neurones et deep learning
- Notions de base : perceptrons, fonctions d'activation, réseaux profonds
- Architectures pour différents types de données : tabulaires, images, séries temporelles
- Entraînement des modèles : descente de gradient, régularisation, choix des hyperparamètres
Applications du machine learning
- Régression et classification
- Clustering
- Modélisation des séries temporelles
- Détection d'anomalies
Interprétation des modèles
- Importance des variables : SHAP, permutation importance
- Relations entre variables : PDP, interactions
- Interprétation globale et locale des modèles
Cas d'applications en énergétique
- Analyse de données issues de mesures ou de simulations numériques
- Prédiction de la consommation énergétique
- Clustering de systèmes énergétiques selon leur performance
- Détection d'anomalies dans les systèmes énergétiques
- Modélisation de séries temporelles à partir des données de capteurs
Cette UE apparaît dans les diplômes et certificats suivants :
- CYC8500A : Diplôme d'ingénieur Spécialité Énergétique
Informations, Orientation & Inscription
Prochaines sessions de formation
Filtres :
-
-
Paris
Semestre 2
Cours en ligne
-
Légende :
| 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 ou en classes virtuelles 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. |
