Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA CompTIA Security+ Amazon AWS Microsoft AZ-900
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Personal Development Personal Transformation Mindfulness Life Purpose Meditation CBT Emotional Intelligence
Web Development JavaScript React CSS Angular PHP Node.Js WordPress Vue JS
Google Flutter Android Development iOS Development React Native Swift Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Retargeting
Microsoft Power BI SQL Tableau Business Analysis Data Modeling Business Intelligence MySQL Data Analysis Blockchain
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Business Plan Startup Freelancing Online Business Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
30-Day Money-Back Guarantee
IT & Software Other IT & Software Artificial Intelligence

Intelligence Artificielle : 5 projets complets en Python

Application de Machine Learning, Deep Learning pour réaliser des projets concrets d’Intelligence Artificielle en Python
Rating: 4.9 out of 54.9 (55 ratings)
282 students
Created by MonCoachData | Data Science - Machine Learning - Deep Learning - Trading, Rod | Python - SQL - Data Science - Machine Learning - Deep Learning
Last updated 3/2021
French
30-Day Money-Back Guarantee

What you'll learn

  • Comprendre ce qui se cache derrière ce terme d'Intelligence Artificielle
  • Avoir un bagage suffisant en Deep Learning et Machine Learning pour réaliser d'autres projets d'IA
  • Créer une IA de détection de visage
  • Créer un classificateur d'images
  • Créer une IA de reconnaissance de chiffres manuscrits
  • Créer un détecteur de Spam
  • Créer une reconnaissance faciale

Requirements

  • Connaître un minimum du langage Python

Description

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).

Who this course is for:

  • Développeurs intéressés par l'Intelligence artificielle
  • Toute personne voulant enrichir ses compétences avec du Deep Learning et du Machine Learning
  • Toute personne curieuse souhaitant mettre des concepts concrets sur un domaine abstrait qu'est l'Intelligence Artificielle

Course content

7 sections • 73 lectures • 8h 18m total length

  • Preview03:17
  • Installation Anaconda (version texte) + ouverture
    00:15
  • Preview04:13
  • Mise en place de l'environnement pour la formation d'IA (version texte)
    00:09

  • Preview04:50
  • Les Caractéristiques
    09:34
  • Sélectionner les meilleures caractéristiques avec Adaboost
    07:00
  • Classificateur en cascade
    06:37
  • Paramètre d'échelle
    06:35
  • Paramètre du nombre minimum de voisins
    07:43
  • Preview10:14
  • Code: Encadrer et afficher des visages
    10:50
  • Code: Détecter les yeux
    05:33
  • Code: Extraction des visages d'une photo
    10:52
  • Code: Echanger 2 visages
    06:21

  • Introduction au programme
    01:32
  • Introduction au Machine Learning
    03:34
  • Classification supervisée
    06:39
  • Classification d'images
    09:36
  • Classificateur du plus proche voisin
    09:42
  • Classificateur des K plus proches voisins
    11:06
  • Hyper paramètres
    06:36
  • Validation croisée
    05:30
  • Exploration du dataset
    06:34
  • Code : Extraction du dataset
    11:51
  • Code : Création classificateur du plus proche voisin (étape 1)
    07:42
  • Code : Création classificateur du plus proche voisin (épisode 2)
    10:10
  • Code : Création classificateur du plus proche voisin (étape 3)
    10:52
  • Code : Application du classificateur des K plus proches voisins
    06:08
  • Code : Variation des hyper paramètres
    08:13
  • Conclusion
    01:09

  • Introduction
    01:16
  • Qu'est-ce qu'un neurone?
    06:15
  • Le Perceptron
    08:04
  • Un exemple de perceptron
    11:38
  • Réseaux de neurones
    10:10
  • Algorithme du Gradient
    09:49
  • Algorithme de la rétro-propagation
    08:30
  • Code : Dataset MNIST
    06:49
  • Code : La couche d'entrée
    05:57
  • Code : Construction du réseau de neurones
    08:07
  • Code : Entrainement du réseau de neurones
    07:52
  • Code : Sauvegarde du model dans un fichier
    11:45
  • Code : Découverte des courbes dans TensorBoard
    11:05
  • Code : Graphiques dans TensorBoard
    07:28

  • Introduction
    00:54
  • Classification de texte
    05:46
  • Principe de Naïve Bayes
    07:11
  • Exemple concret d'application
    05:54
  • Naïve Bayes pour une séquence de mots
    06:06
  • Représentation numérique du texte
    04:24
  • Fréquence des termes et fréquence inverse des documents (tf-idf)
    05:22
  • Introduction au dataset Enron
    04:10
  • Code : Charger le dataset
    06:00
  • Code : CountVectorizer
    04:52
  • Code : TF-IDF
    05:19
  • Code : Construction du classificateur Naïve Bayes
    08:48
  • Code : Amélioration du code avec un Pipeline
    08:06

  • Introduction
    00:48
  • Qu'est ce que la reconnaissance faciale?
    06:33
  • Réduction dimensionnelle
    07:18
  • Principle Component Analysis (PCA)
    06:18
  • Linear Discriminant Analysis (LDA)
    07:16
  • Comparaison PCA et LDA
    06:02
  • Local Binary Patterns (LBP)
    07:03
  • Exploration dataset
    04:45
  • Code : Charger le dataset
    08:34
  • Code : Création de notre application de reconnaissance faciale
    10:44
  • Code : Comparaison des 3 algorithmes de reconnaissance faciale
    16:03
  • Code : Reconnaissance en temps réel via webcam
    15:58
  • Test application
    00:36
  • Conclusion
    01:12

  • Session Bonus
    00:25

Instructors

MonCoachData | Data Science - Machine Learning - Deep Learning - Trading
Formations Data
MonCoachData | Data Science - Machine Learning - Deep Learning - Trading
  • 4.6 Instructor Rating
  • 6,112 Reviews
  • 18,165 Students
  • 9 Courses

Mon Coach Data est une plateforme de formations, de mentoring, d’articles et tutoriels sur des sujets liés à la Data. J’ai déjà formé plus de 14000 étudiants en 2 ans avec toujours le même objectif: les aider à réaliser leurs projets. Au menu, différents cours sur Python, SQL, l’analyse de data, le Machine Learning, l'Intelligence Artificielle, le Deep Learning, la finance, la visualisation de données et plein d’autres à venir...


Une pédagogie différente

Ma mission, c’est de transmettre mon savoir et d'apporter ma pédagogie au plus grand nombre.

Je ne distribue pas de diplômes mais je  vous accompagne à construire un portfolio data qui sera bien plus efficace pour montrer vos compétences et de quoi vous êtes capable.

Ma pédagogie est basée en grande partie sur des vidéos de qualité (comme si j’étais à côté de vous) et sur un échange approfondie entre l’étudiant et moi. Mon truc, c’est la transmission de savoir et d’expérience. Enfin pour moi, un coaching réussi c’est un étudiant qui acquiert la compétence clé d’apprendre à apprendre.

Rod | Python - SQL - Data Science - Machine Learning - Deep Learning
Formateur Data Science / Machine Learning / Deep Learning
Rod | Python - SQL - Data Science - Machine Learning - Deep Learning
  • 4.6 Instructor Rating
  • 6,112 Reviews
  • 39,328 Students
  • 9 Courses

Rod est un Data Scientist qui s'intéresse particulièrement à tout ce qui concerne le Big Data (Data Science, Machine Learning, Deep Learning), l'Intelligence Artificielle et la Finance. Il a également été plusieurs fois instructeur sur Udemy pour ses cours sur Python, SQL, Machine Learning, Finance, Deep Learning...

Il aime enseigner et trouver la bonne formule pour démocratiser des sujets complexes, les rendre accessibles à tous et préparer ses étudiants  à utiliser ce contenu dans le monde réel.

Pendant son temps libre, il aime pratiquer du sport (CrossFit, Boxe, running), apprendre tous les jours de nouvelles choses, regarder des films et séries et voyager à travers le monde !



  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Impressum Kontakt
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.