Reconnaissance des formes et méthodes neuronales par AGCNAM NOUVELLE AQUITAINE

Les thèmes abordés dans les séances de cours et de travaux pratiques (TP) sont :
Applications, nature des problèmes de modélisation et spécificités des données.
Analyse des données, réduction de dimension : méthodes factorielles.
Classification automatique.
Estimation de densités.
Cartes de Kohonen.
Imputation des données manquantes.
Classement et régression sans construction de modèle.
Perceptrons multi
- couches pour le classement et la régression. Chaque séance de cours est suivie d'une séance de TP permettant de mettre en oeuvre les méthodes présentées.
Les TP sont réalisés en utilisant la plateforme Scikit
- learn. Une introduction au langage Python et à Scikit
- learn est prévue lors des premières séances de TP.

Ce cours donne des éléments de base de l'analyse des données et de la reconnaissance des formes, ainsi que des principes fondamentaux à mettre en oeuvre pour traiter des applications réelles. L'analyse des données et la reconnaissance des formes aident à comprendre des phénomènes naturels, économiques ou socio
- culturels à partir des données empiriques et permettent de construire des modèles pour la prise de décision.
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 environnementale, etc.
L'enseignement adopte une approche pragmatique, avec une mise en oeuvre systématique des méthodes présentées.
L'unité d'enseignement RCP209 " Apprentissage, réseaux de neurones et modèles graphiques " est une suite recommandée de RCP208.