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 !
Table des matières de cette formation Intelligence Artificielle, Python (durée : 8h17m)
-
Introduction
- Qu'est ce qu'on va faire dans cette formation? gratuit 00:03:18
- Mise en place de l'environnement pour la formation d'IA gratuit 00:04:13
-
Détecteur de visage
- Introduction au programme gratuit 00:04:50
- Les Caractéristiques 00:09:34
- Sélectionner les meilleures caractéristiques avec adaboost 00:07:01
- Classificateur en cascade 00:06:37
- Paramètre d'échelle 00:06:36
- Paramètre du nombre minimum de voisins 00:07:43
- Code: Détecter un visage 00:10:15
- Code: Encadrer et afficher des visages 00:10:50
- Code: Détecter les yeux 00:05:33
- Code: Extraction des visages d'une photo 00:10:53
- Code: Echanger 2 visages 00:06:21
-
Classificateur d'images
- Introduction au programme gratuit 00:01:33
- Introduction au Machine Learning 00:03:34
- Classification supervisée 00:06:40
- Classification d'images 00:09:36
- Classificateur du plus proche voisin 00:09:42
- Classificateur des K plus proches voisins 00:11:07
- Hyper paramètres 00:06:37
- Validation croisée 00:05:31
- Exploration du dataset 00:06:35
- Code : Extraction du dataset 00:11:51
- Code : Création classificateur du plus proche voisin (étape 1) 00:07:42
- Code : Création classificateur du plus proche voisin (épisode 2) 00:10:11
- Code : Création classificateur du plus proche voisin (étape 3) 00:10:53
- Code : Application du classificateur des K plus proches voisins 00:06:09
- Code : Variation des hyper paramètres 00:08:13
- Conclusion 00:01:10
-
IA de reconnaissance d'écriture manuscrite
- Introduction gratuit 00:01:17
- Qu'est-ce qu'un neurone? 00:06:16
- Le Perceptron 00:08:04
- Un exemple de perceptron 00:11:38
- Réseaux de neurones 00:10:10
- Algorithme du Gradient 00:09:50
- Algorithme de la rétro-propagation 00:08:30
- Code : Dataset MNIST 00:06:50
- Code : La couche d'entrée 00:05:58
- Code : Construction du réseau de neurones 00:08:08
- Code : Entrainement du réseau de neurones 00:07:52
- Code : Sauvegarde du model dans un fichier 00:11:46
- Code : Découverte des courbes dans TensorBoard 00:11:05
- Code : Graphiques dans TensorBoard 00:07:29
-
Détecteur de spam
- Introduction gratuit 00:00:54
- Classification de texte 00:05:47
- Principe de Naïve Bayes 00:07:11
- Exemple concret d'application 00:05:55
- Naïve Bayes pour une séquence de mots 00:06:07
- Représentation numérique du texte 00:04:25
- Fréquence des termes et fréquence inverse des documents (tf-idf) 00:05:22
- Introduction au dataset Enron 00:04:10
- Code : Charger le dataset 00:06:00
- Code : CountVectorizer 00:04:52
- Code : TF-IDF 00:05:19
- Code : Construction du classificateur Naïve Bayes 00:08:48
- Code : Amélioration du code avec un Pipeline 00:08:07
-
Reconnaissance faciale
- Introduction gratuit 00:00:48
- Qu'est ce que la reconnaissance faciale? 00:06:33
- Réduction dimensionnelle 00:07:19
- Principle Component Analysis (PCA) 00:06:19
- Linear Discriminant Analysis (LDA) 00:07:17
- Comparaison PCA et LDA 00:06:02
- Local Binary Patterns (LBP) 00:07:03
- Exploration dataset 00:04:46
- Code : Charger le dataset 00:08:35
- Code : Création de notre application de reconnaissance faciale 00:10:44
- Code : Comparaison des 3 algorithmes de reconnaissance faciale 00:16:04
- Code : Reconnaissance en temps réel via webcam 00:15:59
- Test application 00:00:36
- Conclusion 00:01:12
- Fichiers sourcestélécharger
- Certificat
Formateur : Rod Paris
-
Excellent pour commencer
-
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.
-
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.
DanyBonjour 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
note moyenne
avis laissés