Formation courte · France
Apprentissage statistique : modélisation décisionnelle et apprentissage profond (RCP209)
Une UE du Cnam sur l'apprentissage supervisé et l'évaluation des modèles : arbres de décision, forêts aléatoires, SVM et réseaux de neurones profonds (CNN et RNN), avec des travaux pratiques après chaque cours.
Notre avis
Une couverture rigoureuse des principales méthodes supervisées, avec un projet personnel et un examen ; prévoyez une vraie charge de travail, et notez que seuls 60 % environ des inscrits se sont présentés à l'évaluation en 2023-24.
Idéal pour : Apprenants de niveau M1 en mathématiques et en programmation qui veulent un cours exigeant et crédité en apprentissage supervisé et en deep learning.
D'après la page de la formation, le programme et les prix, et non après l'avoir suivie. Notre méthode de notation
Outils et modèles abordés
- Python
- scikit-learn
- Keras
D'après le contenu de la formation ; dernière mise à jour du contenu : inconnue.
Bon à savoir
Une unité d'enseignement (UE) des diplômes du Cnam, à suivre à la carte ; proposée par le Cnam Paris au semestre 1 et au semestre 2, en présentiel (soirs et samedis) ou à distance. Les tarifs varient selon la région et le financement et ne sont communiqués que via le formulaire de demande.
Programme
- Apprentissage supervisé
- Sélection de modèles
- Forêts aléatoires
- Machines à vecteurs de support
- Réseaux convolutifs
- Réseaux récurrents
Prérequis
- Niveau licence en mathématiques et en informatique avec de bonnes pratiques de programmation, ou niveau M1 ; RCP208 recommandée.