Intelligence Artificielle : 5 projets complets en Python

Le programme complet de la formation :

1. 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.

2. 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.

3. 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.

4. 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%.

5. 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.

Formation 50 % théorique 50 % 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).