- Mathématiques appliquées
- Modèle mathématique
- Simulation numérique
- Intelligence artificielle
Introduction au machine learning scientifique
Mis à jour le
Responsable(s) : M. Jose ORELLANA, Mme Chloé MIMEAU
Envie d'en savoir plus sur cette formation ?
Afin d’obtenir les tarifs, le calendrier de la formation, en distanciel, en présentiel, le lieu de la formation et un contact, remplissez les critères suivants :
Afficher le centre adapté à mes besoins
Afin d’obtenir les tarifs, le calendrier de la formation et le lieu de la formation, remplissez les critères suivants :
-
- Mathématiques appliquées
- Statistique inférentielle
- Calcul différentiel
- Calcul intégral
- Calcul matriciel
Bases scientifiques pour la chimie et la biologie (1)
Cours + travaux pratiques, CHG0016 crédits Distanciel A la carte 2026/27 2027/28ParisVoir la formation -
- Mathématiques
- Mathématiques appliquées
Mathématiques fondamentales et appliquées
Cours, STM0056 crédits Présentiel A la carte 2025/26Pointe-à-PitreVoir la formation -
- Statistique inférentielle
- Statistique
- Mathématiques appliquées
Statistique mathématique
Cours, STA1046 crédits Présentiel Distanciel A la carte 2026/27 2027/28ParisVoir la formation -
- Théorie probabilités
- Mathématiques appliquées
- Langage R
Calcul des probabilités
Cours, STA1036 crédits Présentiel A la carte 2026/27 2027/28Centre Cnam ParisVoir la formation
-
Durée : 50 heures (+/- 10%)
-
A la carte
-
Soir & samedi
-
6 crédits
-
Présentiel
Présentation
Public, conditions d'accès et prérequis
Prérequis
Justifier du niveau du Diplôme du Premier Cycle Technique du Cnam
Objectifs
Comprendre les fondements du machine learning appliqué au calcul scientifique.
Analyser les réseaux de neurones comme outils pour le calcul scientifique et évaluer leurs propriétés de convergence et de généralisation.
Formuler et implémenter des modèles contraints par la physique, notamment les Physics-Informed Neural Networks (PINNs).
Identifier les limites théoriques et numériques de ces approches.
Applications à l'étude des équations de la mécanique des structures, des fluides, de l'acoustique, de la thermique.
Compétences et débouchés
Compétences
Compétences en modélisation numérique de problèmes d'ingénieurs.
Programme
Contenu
Rappels de calcul scientifique et d’analyse numérique.
Bases de l’apprentissage automatique.
Réseaux de neurones artificiels.
Théorie d’approximation et convergence des réseaux de neurones.
Physics-Informed Neural Networks (PINNs).
Questions numériques et HPC.
Modalités d'évaluation
Un examen final en temps limité.
Les TP réalisés en cours d'enseignement peuvent être pris en compte.
Ces formations pourraient vous intéresser
-
- Mathématiques appliquées
- Statistique inférentielle
- Calcul différentiel
- Calcul intégral
- Calcul matriciel
Bases scientifiques pour la chimie et la biologie (1)
Cours + travaux pratiques, CHG0016 crédits Distanciel A la carte 2026/27 2027/28ParisVoir la formation -
- Mathématiques
- Mathématiques appliquées
Mathématiques fondamentales et appliquées
Cours, STM0056 crédits Présentiel A la carte 2025/26Pointe-à-PitreVoir la formation -
- Statistique inférentielle
- Statistique
- Mathématiques appliquées
Statistique mathématique
Cours, STA1046 crédits Présentiel Distanciel A la carte 2026/27 2027/28ParisVoir la formation -
- Théorie probabilités
- Mathématiques appliquées
- Langage R
Calcul des probabilités
Cours, STA1036 crédits Présentiel A la carte 2026/27 2027/28Centre Cnam ParisVoir la formation