Cours
PrestaShop

Newsletter

L'Intelligence Artificielle

Réaliser des projets concrets d’Intelligence Artificielle en Python

Ou s'abonner pour un accès illimité sans engagement à tout Skilleos pour 19,90€/mois. En savoir plus
chapitre

Chapitres

71

chrono

Durée

08h19 de cours en ligne

chrono

Prérequis

acces

Accès

24h/24 et 7j/7
PC/Mac, tablette et smartphone

certificat

Certificat

Délivré à la fin de la formation

1for1

Notes

4 / 5 - 1 votes

1for1

1 For 1

Un abo ou un achat sur Skilleos = Un cours offert à un bénéficiaire

Rod Paris

Rod Paris

Rod a déjà accompagné plus de 5000 étudiants sur ses formations. Entrepreneur, Data Scientist, Développeur Web et Formateur passionné de Cloud, Big Data et d’Intelligence Artificielle, il écrit aussi de nombreux articles sur le blog Mon Coach Data. Sa mission consiste à vous inspirer à créer quelque chose qui ait du sens pour vous, car c’est en étant passionné que l’on réussit le mieux. Il propose aujourd’hui des formations sur Python, SQL, la Data Science et l’Intelligence Artificielle. Il a hâte de vous retrouver dans ses cours et de vous transmettre ses passions.

Vous souhaitez découvrir l'Intelligence Artificielle mais vous ne savez pas par où commencer ? Ce cours en ligne permet de mettre en place des projets réels, concrets et pratiques d'Intelligence Artificielle pour appréhender des algorithmes de Machine Learning et Deep Learning illustrés et expliqués.

Ce cours en ligne enseigne l'Intelligence Artificielle par la pratique. À travers 5 projets réels et concrets, ce cours vous expliquera toute la théorie afin de comprendre et d'aborder au mieux ces différents projets. Le programme est le suivant : vous créerez une IA de détection de visage, de classification d'images, de reconnaissance d'écriture manuscrite, d'un détecteur de SPAM puis de reconnaissance faciale. Et maintenant, place à la pratique !

Contenu du cours

  • Version écrite de l'environnement pour la formation d'IA
  • Fichiers sources des 5 projets

À la fin du cours, vous serez capable de :

  • Comprendre ce qu'est l'Intelligence Artificielle
  • Avoir des connaissances suffisantes en Deep Learning et Machine Learning pour réaliser d'autres projets d'IA
  • Réaliser les 5 projets de manière autonome

Chapitres

INTRODUCTION
1
03:18
Quel est le programme de la formation ?
2
01:17
Installation Anaconda / Python
3
04:13
Mise en place de l'environnement pour la formation d'IA
DÉTECTEUR DE VISAGE
4
04:50
Introduction au programme
5
09:34
Les caractéristiques
6
07:01
Sélectionner les meilleures caractéristiques avec Adaboost
7
06:37
Classificateur en cascade
8
06:36
Paramètre d'échelle
9
07:43
Paramètre du nombre minimum de voisins
10
10:15
Code : Détecter un visage
11
10:50
Code : Encadrer et afficher des visages
12
05:33
Code : Détecter les yeux
13
10:53
Code : Extraction des visages d'une photo
14
06:21
Code : Échanger 2 visages
CLASSIFICATEUR D'IMAGES
15
01:33
Introduction au programme
16
03:34
Introduction au Machine Learning
17
06:40
Classification supervisée
18
09:36
Classification d'images
19
09:42
Classificateur du plus proche voisin
20
11:07
Classificateur des K plus proches voisins
21
06:37
Hyper paramètres
22
05:31
Validation croisée
23
06:35
Exploration du dataset
24
11:51
Code : Extraction du dataset
25
07:42
Code : Création classificateur du plus proche voisin (étape 1)
26
10:11
Code : Création classificateur du plus proche voisin (étape 2)
27
10:53
Code : Création classificateur du plus proche voisin (étape 3)
28
06:09
Code : Application du classificateur des K plus proches voisins
29
08:13
Code : Variation des hyper paramètres
30
01:10
Conclusion
IA DE RECONNAISSANCE D'ÉCRITURE MANUSCRITE
31
01:17
Introduction
32
06:16
Qu'est-ce qu'un neurone?
33
08:04
Le perceptron
34
11:38
Un exemple de perceptron
35
10:10
Réseaux de neurones
36
09:50
Algorithme du Gradient
37
08:30
Algorithme de la rétro-propagation
38
06:50
Code : Dataset MNIST
39
05:58
Code : La couche d'entrée
40
08:08
Code : Construction du réseau de neurones
41
07:52
Code : Entrainement du réseau de neurones
42
11:46
Code : Sauvegarde du model dans un fichier
43
11:05
Code : Découverte des courbes dans TensorBoard
44
07:29
Code : Graphiques dans TensorBoard
DÉTECTEUR DE SPAM
45
00:54
Introduction
46
05:47
Classification de texte
47
07:11
Principe de Naïve Bayes
48
05:55
Exemple concret d'application
49
06:07
Naïve Bayes pour une séquence de mots
50
04:25
Représentation numérique du texte
51
05:22
Fréquence des termes et fréquence inverse des documents (tf-idf)
52
04:10
Introduction au dataset Enron
53
06:00
Code : Charger le dataset
54
04:52
Code : CountVectorizer
55
05:19
Code : TF-IDF
56
08:48
Code : Construction du classificateur Naïve Bayes
57
08:07
Code : Amélioration du code avec un Pipeline
RECONNAISSANCE FACIALE
58
00:48
Introduction
59
06:33
Qu'est ce que la reconnaissance faciale?
60
07:19
Réduction dimensionnelle
61
06:19
Principle Component Analysis (PCA)
62
07:17
Linear Discriminant Analysis (LDA)
63
06:02
Comparaison PCA et LDA
64
07:03
Local Binary Patterns (LBP)
65
04:46
Exploration dataset
66
08:35
Code : Charger le dataset
67
10:44
Code : Création de notre application de reconnaissance faciale
68
16:04
Code : Comparaison des 3 algorithmes de reconnaissance faciale
69
15:59
Code : Reconnaissance en temps réel via webcam
70
00:36
Test application
71
01:12
Conclusion


   Avis (1)

4/ 5


14 élèves suivent déjà ce cours



  • .
    Il y a 3 jours


    Top

L'Intelligence Artificielle

49.00 €

close if for show price

  • langues fr