Principes et méthodes de Machine Learning pour le Génie des Procédés (distanciel)

Principes et méthodes de Machine Learning pour le Génie des Procédés (distanciel)

> 4 juillet 2024
> À distance
>550 euros TTC

  • PUBLIC CONCERNÉ : Techniciens et ingénieurs de l'industrie chimique souhaitant s’ouvrir au domaine du Machine Learning et de l'Intelligence Artificielle.
  • PRÉ-REQUIS : Connaissances de base en génie des procédés et en chimie, bases de méthodes statistiques (variance, covariance, distribution, test d'hypothèse, régression linéaire) et mathématiques (vecteurs, matrices, valeurs propres, vecteurs propres). Des connaissances en programmation ne sont pas nécessaires, mais sont une aide certaine.

 

Objectifs de la formation

  1. Découvrir les principes du Machine Learning, comme point de départ vers le Deep Learning.
  2. Comprendre l'utilité et les spécificités des 4 fonctions élémentaires : clustering, réduction de dimensionnalité, régression et classification.
  3. Mieux appréhender la variété des méthodes et leur pertinence en fonction des données disponibles et des objectifs visés.
  4. Se familiariser avec les méthodes telles que les réseaux de neurones, les k-moyennes, les plus proches voisins, les arbres de décision, les SVM, les cartes-auto-adaptatives, l'ACP, etc.

 

Programme

  • Introduction aux principes de Machine Learning (données, types d'analyse, applications)
  • Méthodes de partitionnement/clustering : objectifs, principe, méthodes, démonstration d'application
  • Machine Learning pour la régression: objectifs, réseaux de neurones, démonstration d'application
  • Réduction de dimensionnalité : principales méthodes, démonstration d'application
  • Méthodes de Classification : objectifs, principe, méthodes, démonstration d'application
  • Ouverture vers le Deep Learning : principes, exemple, démonstration d'application

 

Méthode pédagogique

  • Présentations méthodologiques illustrées avec de nombreux exemples concrets
  • Démonstrations d'application des principales méthodes et comparaison

 

Aspects innovants de la formation

  • Initiation et ouverture sur des méthodes nouvelles en expansion rapide
  • Formation répondant à des problématiques industrielles de digitalisation
  • Condensé des notions les plus importantes pour démarrer dans le domaine de l'Intelligence Artificielle
  • Formation intégralement orientée vers une application de ces méthodes en Génie des Procédés
  • Approche méthodologique permettant de comprendre les forces et les faiblesses de ces méthodes

 

Materiel mis à disposition des participants et de l'intervenant

Participants : supports de présentation, accès à des outils et ressources informatiques dédiés

 

Intervenants

  • Jean-Marc COMMENGE, Professeur à l'Université de Lorraine, ENSIC - Recherche au LRGP : Méthodes statistiques et numériques, intensification des procédés.
  • Dimitrios MEIMAROGLOU, Maître de Conférence à l'Université de Lorraine, ENSIC - Recherche au LRGP : Génie des Procédés de polymérisation, Modélisaiton, méthodes numériques.

> S'INSCRIRE