Intelligence artificielle pour des données multimédia - RCP217

Réf. : 2202070F Mise à jour : 6 août 2025

Contenu

Objectifs

Former les auditeurs aux techniques modernes d'intelligence artificielle appliquées au données de type multimédia et appliquer ces techniques à des problématiques couramment utilisées en sciences des données.
Capacité à mettre en œuvre des techniques modernes d'intelligence artificielle appliquées au données multimédia, notamment les grandes bases d'images et de vidéos, séries temporelles, texte, données de type graphe. Application des ces techniques à des problématiques concrètes et couramment utilisées en sciences des données.

Programme

  • Données spatio-temporelles
  • Traitement de la langue naturelle
  • Graphes et systèmes de recommandations

Validation / certification préparée

  • Niveau d'entrée : Sans niveau spécifique
  • Niveau de sortie : Sans niveau spécifique

Dates et lieux de formation

Organisme de formation : CNAM DE BRETAGNE
09 72 31 13 12
Lieu de formation : CNAM DE BRETAGNE
20 avenue Victor Le Gorgeu
29 Brest
Organisation :
  • Entrée sortie permanente
  • 45 heures
  • Formation entièrement à distance
Dispositif(s) / Financements : Financement autre (Entreprises, Individuels, AIF...)
Publics : Demandeur d'emploi ; Salarié ; Tout public
Rythme : Cours du soir
Type de parcours : Modulaire
Durée : 45 heures.

Prérequis : Cette UE s'adresse à un public ayant des connaissance en informatique (programmation, bases de données) et en mathématiques appliquées (niveau bac+5). Ce cours constitue un cours "avancé", il est conseillé d'avoir suivi les UE RCP208 et RCP209 pour le suivre. Il convient notamment d'avoir des connaissances en apprentissage statistique et en apprentissage profond, et de maîtriser les librairies Python pour ce type de méthodes (Scikit-learn, TensorFlow, PyTorch).
Organisme de formation : CNAM DE BRETAGNE
09 72 31 13 12
Lieu de formation : CNAM DE BRETAGNE
1 Rue du Muguet
22 Lannion
Organisation :
  • Entrée sortie permanente
  • 45 heures
  • Formation entièrement à distance
Dispositif(s) / Financements : Financement autre (Entreprises, Individuels, AIF...)
Publics : Demandeur d'emploi ; Salarié ; Tout public
Rythme : Cours du soir
Type de parcours : Modulaire
Durée : 45 heures.

Prérequis : Cette UE s'adresse à un public ayant des connaissance en informatique (programmation, bases de données) et en mathématiques appliquées (niveau bac+5). Ce cours constitue un cours "avancé", il est conseillé d'avoir suivi les UE RCP208 et RCP209 pour le suivre. Il convient notamment d'avoir des connaissances en apprentissage statistique et en apprentissage profond, et de maîtriser les librairies Python pour ce type de méthodes (Scikit-learn, TensorFlow, PyTorch).
Organisme de formation : CNAM DE BRETAGNE
09 72 31 13 12
Lieu de formation : CNAM DE BRETAGNE
32 Rue René Lote Bât 1
56 Lorient
Organisation :
  • Entrée sortie permanente
  • 45 heures
  • Formation entièrement à distance
Dispositif(s) / Financements : Financement autre (Entreprises, Individuels, AIF...)
Publics : Demandeur d'emploi ; Salarié ; Tout public
Rythme : Cours du soir
Type de parcours : Modulaire
Durée : 45 heures.

Prérequis : Cette UE s'adresse à un public ayant des connaissance en informatique (programmation, bases de données) et en mathématiques appliquées (niveau bac+5). Ce cours constitue un cours "avancé", il est conseillé d'avoir suivi les UE RCP208 et RCP209 pour le suivre. Il convient notamment d'avoir des connaissances en apprentissage statistique et en apprentissage profond, et de maîtriser les librairies Python pour ce type de méthodes (Scikit-learn, TensorFlow, PyTorch).
Organisme de formation : CNAM DE BRETAGNE
09 72 31 13 12
Lieu de formation : CNAM DE BRETAGNE
3 Rue du Clos Courtel
35 Rennes
Organisation :
  • Entrée sortie permanente
  • 45 heures
  • Formation entièrement à distance
Dispositif(s) / Financements : Financement autre (Entreprises, Individuels, AIF...)
Publics : Demandeur d'emploi ; Salarié ; Tout public
Rythme : Cours du soir
Type de parcours : Modulaire
Durée : 45 heures.

Prérequis : Cette UE s'adresse à un public ayant des connaissance en informatique (programmation, bases de données) et en mathématiques appliquées (niveau bac+5). Ce cours constitue un cours "avancé", il est conseillé d'avoir suivi les UE RCP208 et RCP209 pour le suivre. Il convient notamment d'avoir des connaissances en apprentissage statistique et en apprentissage profond, et de maîtriser les librairies Python pour ce type de méthodes (Scikit-learn, TensorFlow, PyTorch).
Organisme de formation : CNAM DE BRETAGNE
09 72 31 13 12
Lieu de formation : CNAM DE BRETAGNE
2 Rue Camille Guérin
22 Ploufragan
Organisation :
  • Entrée sortie permanente
  • 45 heures
  • Formation entièrement à distance
Dispositif(s) / Financements : Financement autre (Entreprises, Individuels, AIF...)
Publics : Demandeur d'emploi ; Salarié ; Tout public
Rythme : Cours du soir
Type de parcours : Modulaire
Durée : 45 heures.

Prérequis : Cette UE s'adresse à un public ayant des connaissance en informatique (programmation, bases de données) et en mathématiques appliquées (niveau bac+5). Ce cours constitue un cours "avancé", il est conseillé d'avoir suivi les UE RCP208 et RCP209 pour le suivre. Il convient notamment d'avoir des connaissances en apprentissage statistique et en apprentissage profond, et de maîtriser les librairies Python pour ce type de méthodes (Scikit-learn, TensorFlow, PyTorch).
Organisme de formation : CNAM DE BRETAGNE
09 72 31 13 12
Lieu de formation : CNAM DE BRETAGNE
9 Rue du Commandant Charcot
56 Vannes
Organisation :
  • Entrée sortie permanente
  • 45 heures
  • Formation entièrement à distance
Dispositif(s) / Financements : Financement autre (Entreprises, Individuels, AIF...)
Publics : Demandeur d'emploi ; Salarié ; Tout public
Rythme : Cours du soir
Type de parcours : Modulaire
Durée : 45 heures.

Prérequis : Cette UE s'adresse à un public ayant des connaissance en informatique (programmation, bases de données) et en mathématiques appliquées (niveau bac+5). Ce cours constitue un cours "avancé", il est conseillé d'avoir suivi les UE RCP208 et RCP209 pour le suivre. Il convient notamment d'avoir des connaissances en apprentissage statistique et en apprentissage profond, et de maîtriser les librairies Python pour ce type de méthodes (Scikit-learn, TensorFlow, PyTorch).