Content Creator Français IA Internet IT and Software

I.A 5 projets complets et pratiques en Python

0.0

(0)

2 Enrolled

Luna Waters

About Course

“This content is restricted to subscribers”

Course Content

01 – Introduction

01 – Quel est le programme de la formation

03:18
02 – Installation anaconda_python

01:17
03 – Mise en place de l_environnement pour la formation d_ia

04:13

02 – Détecteur de visage

01 – Introduction au programme

04:50
02 – Les caractéristiques

09:34
03 – Sélectionner les meilleures caractéristiques avec adaboost

07:00
04 – Classificateur en cascade

06:37
05 – Paramètre d échelle

06:35
06 – Paramètre du nombre minimum de voisins

07:43
07 – Code détecter un visage

10:14
08 – Code encadrer et afficher des visages

10:50
09 – Code détecter les yeux

05:33
10 – Code extraction des visages d_une photo

10:52
11 – Code échanger 2 visages

06:21
A lire !!!

03 – Classificateur d’images

01 – Introduction au programme

01:32
02 – Introduction au machine learning

03:34
03 – Classification supervisée

06:39
04 – Classification d images

09:36
05 – Classificateur du plus proche voisin

09:42
06 – Classificateur des k plus proches voisins

11:06
07 – Hyper paramètres

06:36
08 – Validation croisée

05:30
09 – Exploration du dataset

06:34
10 – Code extraction du dataset

11:51
11 – Code création classificateur du plus proche voisin (étape 1)

07:42
12 – Code création classificateur du plus proche voisin (étape 2)

10:10
13 – Code création classificateur du plus proche voisin (étape 3)

10:52
14 – Code application du classificateur des k plus proches voisins

06:08
15 – Code variation des hyper paramètres

08:13
16 – Conclusion

01:09

04 – IA de reconnaissance d’écriture manuscrite

01 – Introduction

01:16
02 – Qu est ce qu un neurone

06:15
03 – Le perceptron

08:04
04 – Un exemple de perceptron

11:38
05 – Réseaux de neurones

10:10
06 – Algorithme du gradient

09:49
07 – Algorithme de la rétro-propagation

08:30
08 – Code dataset mnist

06:50
09 – Code la couche d entrée

05:57
10 – Code construction du réseau de neurones

15:47
11 – Code entrainement du réseau de neurones

07:52
12 – Code sauvegarde du model dans un fichier

14:55
13 – Code découverte des courbes dans tensorboard

16:24
14 – Code graphiques dans tensorboard

07:28

05 – Détecteur de spam

A lire !!!
02 – Classification de texte

05:46
03 – Principe de naïve bayes

07:11
04 – Exemple concret dapplication

05:54
05 – Naïve bayes pour une séquence de mots

06:06
06 – Représentation numérique du texte

04:24
07 – Fréquence des termes et fréquence inverse des documents (tf-idf)07 – Fréquence des termes et fréquence inverse des documents (tf-idf)

05:22
08 – Introduction au dataset enron

04:10
09 – Code charger le dataset

06:00
10 – Code countvectorizer

04:52
11 – Code tf idf

05:19
12 – Code construction du classificateur naïve bayes

08:48
13 – Code amélioration du code avec un pipeline

08:06

06 – Reconnaissance faciale

01 – Introduction

00:48
02 – Classification de texte

05:46
02 – Qu est ce que la reconnaissance faciale

06:33
03 – Réduction dimensionnelle

07:19
04 – Principle component analysis (pca)

06:18
05 – Linear discriminant analysis (lda)

07:16
05 – Naïve bayes pour une séquence de mots

06:07
06 – Comparaison pca et lda

06:02
07 – Local binary patterns (lbp)

07:03
08 – Exploration dataset

04:45
09 – Code charger le dataset

08:34
10 – Code création de notre application de reconnaissance faciale

10:44
11 – Code comparaison des 3 algorithmes de reconnaissance faciale

16:03
11 – Code tf df

05:19
12 – Code reconnaissance en temps réel via webcam

15:58
13 – Test application

00:36
14 – Conclusion

01:12

Fichiers source

Instructors

Luna Waters

3.9

2143 Students

690 Courses

No Review Yet

00:00

“This content is restricted to subscribers”

Get Membership

Level Intermediate
Total Enrolled 2
Last Updated April 10, 2025

I.A 5 projets complets et pratiques en Python

About Course

Course Content

01 – Introduction

01 – Quel est le programme de la formation

02 – Installation anaconda_python

03 – Mise en place de l_environnement pour la formation d_ia

02 – Détecteur de visage

01 – Introduction au programme

02 – Les caractéristiques

03 – Sélectionner les meilleures caractéristiques avec adaboost

04 – Classificateur en cascade

05 – Paramètre d échelle

06 – Paramètre du nombre minimum de voisins

07 – Code détecter un visage

08 – Code encadrer et afficher des visages

09 – Code détecter les yeux

10 – Code extraction des visages d_une photo

11 – Code échanger 2 visages

A lire !!!

03 – Classificateur d’images

01 – Introduction au programme

02 – Introduction au machine learning

03 – Classification supervisée

04 – Classification d images

05 – Classificateur du plus proche voisin

06 – Classificateur des k plus proches voisins

07 – Hyper paramètres

08 – Validation croisée

09 – Exploration du dataset

10 – Code extraction du dataset

11 – Code création classificateur du plus proche voisin (étape 1)

12 – Code création classificateur du plus proche voisin (étape 2)

13 – Code création classificateur du plus proche voisin (étape 3)

14 – Code application du classificateur des k plus proches voisins

15 – Code variation des hyper paramètres

16 – Conclusion

04 – IA de reconnaissance d’écriture manuscrite

01 – Introduction

02 – Qu est ce qu un neurone

03 – Le perceptron

04 – Un exemple de perceptron

05 – Réseaux de neurones

06 – Algorithme du gradient

07 – Algorithme de la rétro-propagation

08 – Code dataset mnist

09 – Code la couche d entrée

10 – Code construction du réseau de neurones

11 – Code entrainement du réseau de neurones

12 – Code sauvegarde du model dans un fichier

13 – Code découverte des courbes dans tensorboard

14 – Code graphiques dans tensorboard

05 – Détecteur de spam

A lire !!!

02 – Classification de texte

03 – Principe de naïve bayes

04 – Exemple concret dapplication

05 – Naïve bayes pour une séquence de mots

06 – Représentation numérique du texte

07 – Fréquence des termes et fréquence inverse des documents (tf-idf)07 – Fréquence des termes et fréquence inverse des documents (tf-idf)

08 – Introduction au dataset enron

09 – Code charger le dataset

10 – Code countvectorizer

11 – Code tf idf

12 – Code construction du classificateur naïve bayes

13 – Code amélioration du code avec un pipeline

06 – Reconnaissance faciale

01 – Introduction

02 – Classification de texte

02 – Qu est ce que la reconnaissance faciale

03 – Réduction dimensionnelle

04 – Principle component analysis (pca)

05 – Linear discriminant analysis (lda)

05 – Naïve bayes pour une séquence de mots

06 – Comparaison pca et lda

07 – Local binary patterns (lbp)

08 – Exploration dataset

09 – Code charger le dataset

10 – Code création de notre application de reconnaissance faciale

11 – Code comparaison des 3 algorithmes de reconnaissance faciale