Intelligence Artificielle : 5 projets complets et pratiques en Python
ERROR
00:00
00:00

TUTO Intelligence Artificielle : 5 projets complets et pratiques en Python sur Tuto.com

Rod Paris
75,00€

Téléchargement & visionnage illimité

Satisfait ou remboursé

Paiement 100% sécurisé

Formation Intelligence artificielle Machine Learning & Deep Learning pour réaliser 5 projets concrets 

Voici une formation en ligne constituée de 50 % de théorie et 50% de pratique. 
Chaque concept clé de Machine Learning et/ou Deep Learning est décrypté précisément de façon intuitive (théorie) et appliqué dans des cas concrets d'Intelligence artificielle (pratique).
 

Le programme complet de cette formation Intelligence Artificielle :

  • Création d’une IA de détection de visage 
    Je vous explique comment AdaBoost sélectionne les meilleures caractéristiques d’un visage parmi des milliers… Je vous parle des classificateurs en cascade et des paramètres à prendre en considération pour affiner notre détection de visage.
    Puis, vous mettrez les mains dans le code et vous développerez de A à Z une application qui échange 2 visages.
  • Création d’une IA de classification d’images
    Je vous parle de la classification d’images, du classificateur des k voisins les plus proches (Machine Learning), on évaluera comment régler au mieux les hyper paramètres correspondants.
    Et surtout vous construirez cette IA permettant de classifier ces images et leur assigner une étiquette pour savoir ce qu’il y a sur cette image ! Vous travaillerez sur le dataset le plus utilisé dans le domaine de la classification pour entrainer votre IA.
  • Création d’une AI de reconnaissance d’écriture manuscrite
    Je vous explique en détail ce qu’est un réseau de neurones (Deep Learning), je vous parlerai de l’algorithme du Gradient et du concept de rétro-propagation.
    Puis vous allez construire pas à pas chaque ligne de code permettant de construire un modèle de réseau de neurones, que vous allez entrainer pour améliorer la précision de celui-ci dans la reconnaissance des chiffres.
  • Création d’un détecteur de Spam
    L'objectif de cette IA, c’est de détecter si un email est un spam ou non. On discutera de la classification de texte et plus particulièrement de l’algorithme Naïves Bayésienne puis des notions de Fréquence d’un Terme et Fréquence Inverse de Document (TF-IDF).
    Enfin vous construirez pas à pas cette IA pour obtenir une précision de près de 99%.
  • Création d’une AI de reconnaissance faciale (qui permet de reconnaître la ou les personne(s) présente(s) sur une photo ou vidéo) :
    Je vous parle de la réduction dimensionnelle et des 3 algorithmes de reconnaissance faciale à savoir le Principle Component Analysis (PCA), du Linear Discriminant Analysis (LDA) et du Local Binary Patterns (LBP). Puis vous testerez ces 3 algorithmes en réel avec la construction pas à pas de l’application de reconnaissance faciale.

A la fin de cette formation, vous aurez acquis des bases solides pour développer des projets d'intelligence artificielle.
Vous serez à l'aise avec les notion de machine learning et deep learning.

Je reste disponible dans le salon d'entraide pour répondre à vos éventuelles questions sur le cours.
Les fichiers de travail sont fournis.
Bonne formation ! 
 

Qu’allez-vous apprendre dans ce cours ?

Plan de cours
Chapitre 1
Introduction
Chapitre 2
Détecteur de visage
Chapitre 3
Classificateur d'images
Chapitre 4
IA de reconnaissance d'écriture manuscrite
Chapitre 5
Détecteur de spam
Chapitre 6
Reconnaissance faciale

Plan détaillé du cours

Chapitre 1 : Introduction
07m31s
 
Leçon 1Qu'est ce qu'on va faire dans cette formation?
Leçon 2Mise en place de l'environnement pour la formation d'IA
Chapitre 2 : Détecteur de visage
1h26m
 
Leçon 1Introduction au programme
Leçon 2Les Caractéristiques
Leçon 3Sélectionner les meilleures caractéristiques avec adaboost
Leçon 4Classificateur en cascade
Leçon 5Paramètre d'échelle
Leçon 6Paramètre du nombre minimum de voisins
Leçon 7Code: Détecter un visage
Leçon 8Code: Encadrer et afficher des visages
Leçon 9Code: Détecter les yeux
Leçon 10Code: Extraction des visages d'une photo
Leçon 11Code: Echanger 2 visages
Chapitre 3 : Classificateur d'images
1h57m
 
Leçon 1Introduction au programme
Leçon 2Introduction au Machine Learning
Leçon 3Classification supervisée
Leçon 4Classification d'images
Leçon 5Classificateur du plus proche voisin
Leçon 6Classificateur des K plus proches voisins
Leçon 7Hyper paramètres
Leçon 8Validation croisée
Leçon 9Exploration du dataset
Leçon 10Code : Extraction du dataset
Leçon 11Code : Création classificateur du plus proche voisin (étape 1)
Leçon 12Code : Création classificateur du plus proche voisin (épisode 2)
Leçon 13Code : Création classificateur du plus proche voisin (étape 3)
Leçon 14Code : Application du classificateur des K plus proches voisins
Leçon 15Code : Variation des hyper paramètres
Leçon 16Conclusion
Chapitre 4 : IA de reconnaissance d'écriture manuscrite
1h54m
 
Leçon 1Introduction
Leçon 2Qu'est-ce qu'un neurone?
Leçon 3Le Perceptron
Leçon 4Un exemple de perceptron
Leçon 5Réseaux de neurones
Leçon 6Algorithme du Gradient
Leçon 7Algorithme de la rétro-propagation
Leçon 8Code : Dataset MNIST
Leçon 9Code : La couche d'entrée
Leçon 10Code : Construction du réseau de neurones
Leçon 11Code : Entrainement du réseau de neurones
Leçon 12Code : Sauvegarde du model dans un fichier
Leçon 13Code : Découverte des courbes dans TensorBoard
Leçon 14Code : Graphiques dans TensorBoard
Chapitre 5 : Détecteur de spam
1h12m
 
Leçon 1Introduction
Leçon 2Classification de texte
Leçon 3Principe de Naïve Bayes
Leçon 4Exemple concret d'application
Leçon 5Naïve Bayes pour une séquence de mots
Leçon 6Représentation numérique du texte
Leçon 7Fréquence des termes et fréquence inverse des documents (tf-idf)
Leçon 8Introduction au dataset Enron
Leçon 9Code : Charger le dataset
Leçon 10Code : CountVectorizer
Leçon 11Code : TF-IDF
Leçon 12Code : Construction du classificateur Naïve Bayes
Leçon 13Code : Amélioration du code avec un Pipeline
Chapitre 6 : Reconnaissance faciale
1h39m
 
Leçon 1Introduction
Leçon 2Qu'est ce que la reconnaissance faciale?
Leçon 3Réduction dimensionnelle
Leçon 4Principle Component Analysis (PCA)
Leçon 5Linear Discriminant Analysis (LDA)
Leçon 6Comparaison PCA et LDA
Leçon 7Local Binary Patterns (LBP)
Leçon 8Exploration dataset
Leçon 9Code : Charger le dataset
Leçon 10Code : Création de notre application de reconnaissance faciale
Leçon 11Code : Comparaison des 3 algorithmes de reconnaissance faciale
Leçon 12Code : Reconnaissance en temps réel via webcam
Leçon 13Test application
Leçon 14Conclusion

Aperçus

Avis des apprenants

Détail des avis
46
Apprenants
2
Commentaires
5/5
Note moyenne
5/5
2
4/5
0
3/5
0
2/5
0
1/5
0
Alexandre Mignon
Alexandre Mignon
Publié le 30/09/2019
Excellent pour commencer
Lepuma
Lepuma
Publié le 19/06/2019
Génial!! merci pour ces projets dédiés a l'intelligence artificielle.Pourriez vous continuer a produire des formations Python/I.A?des projets et concepts,Svp.Enfin de temps en temps.

Vos questions sur le cours

Avec quelles versions de logiciels ce tuto est-il compatible ?

Intelligence Artificielle , Python

Quel est le niveau requis pour suivre ce tuto ?

débutant

Bonjour Monsieur. J'aimerais acheter votre tuto. Cependant, je suis sous W10. Je vois que vous êtes sous IOS. Votre formation est elle compatible ? Notamment avec Anaconda... Merci pour votre réponse. Cordialement. Dany

Bonjour Dany, Oui Anaconda s'installe sur Windows, Mac et Linux. Puis je fournis l'environnement de la formation (version Mac/Linux et une version Windows). Rod

Attendez ! 🤗

Accédez à plus de 1355 tutos gratuits

Notre politique de protection des données