Apprentissage statistique : modélisation descriptive et introduction aux réseaux de neurones - RCP208

Objectifs

Ce cours donne des éléments de base de l'analyse des données et de la modélisation descriptive, ainsi que des principes à mettre en œuvre pour traiter des applications réelles. Une introduction à la modélisation décisionnelle avec des réseaux de neurones est également présentée. L'analyse des données et la modélisation descriptive aident à comprendre les données empiriques issues de phénomènes naturels, économiques ou socio-culturels. Cette compréhension facilite la mise en œuvre de méthodes performantes de construction de modèles décisionnels. 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, etc. L'enseignement adopte une approche pragmatique, les séances de travaux pratiques permettant la mise en œuvre systématique des méthodes présentées. Les unités d'enseignement RCP209 « Apprentissage statistique : modélisation décisionnelle et apprentissage profond », RCP211 «Intelligence artificielle avancée » et RCP217 «Intelligence artificielle pour des données multimédia » sont des suites recommandées de RCP208.

Programme de la formation

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 œuvre 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.

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique