Scribd Logo
Importer

Bienvenue sur Scribd !

  • 171 vues

    Projets IA

    Transféré par

    Driss Aabour
    Le document décrit 9 projets d'intelligence artificielle portant sur des sujets tels que les réseaux de neurones artificiels, les réseaux de neurones convolutifs, les réseaux de neurones récurrents, les machines de Boltzmann restreintes et l'apprentissage par renforcement.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Projets IA

    Transféré par

    Driss Aabour
    171 vues2 pages
    Le document décrit 9 projets d'intelligence artificielle portant sur des sujets tels que les réseaux de neurones artificiels, les réseaux de neurones convolutifs, les réseaux de neurones récurrents, les machines de Boltzmann restreintes et l'apprentissage par renforcement.

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Le document décrit 9 projets d'intelligence artificielle portant sur des sujets tels que les réseaux de neurones artificiels, les réseaux de neurones convolutifs, les réseaux de neurones récurrents, les machines de Boltzmann restreintes et l'apprentissage par renforcement.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    171 vues2 pages

    Projets IA

    Transféré par

    Driss Aabour
    Le document décrit 9 projets d'intelligence artificielle portant sur des sujets tels que les réseaux de neurones artificiels, les réseaux de neurones convolutifs, les réseaux de neurones récurrents, les machines de Boltzmann restreintes et l'apprentissage par renforcement.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    Vous êtes sur la page 1sur 2

    Université Sidi Mohamed Ben Abdellah Module : Intelligence Artificielle

    Ecole Nationale des Sciences Appliquées de Fès Niveau : 2ème année GSEII
    A.U : 2019-2020 Professeur : Hiba Chougrad

    Projets IA

    - Travail en équipe : 9 groupes de 4 personnes


    - Rapport détaillé+ Présentation de 20 minutes le 02/04/2020
    - Si vous avez besoin de plus de puissance de calcul utilisez Colab :
    https://colab.research.google.com/

    1- ANN (Artificial Neural Networks)


     Explication de l’architecture d’un ANN
     Les fonctions d’activation
     Eviter l’overfitting avec le Dropout
     Les choix de fonctions loss : mse, binary_crossentropy, categorical_crossentropy
     La mise à jour des poids par un optimisateur : Stochastic Gradient Descent
     Vanishing Gradient Problem
     Application sur Parkinsons Dataset : https://archive.ics.uci.edu/ml/datasets/parkinsons

    2- CNN (Convolutional Neural Networks)


     Explication de l’architecture d’un CNN
     Classification d’images
     Application sur CIFAR-10 Dataset : https://www.cs.toronto.edu/~kriz/cifar.html

    3- RNN-LSTM (Recurrent Neural Networks, Long Short-term Memory)


     Explication de l’architecture Long Short-term Memory
     Application : Génération de paroles de chansons de Taylor Swift
     Dataset : https://www.kaggle.com/PromptCloudHQ/taylor-swift-song-lyrics-from-all-
    the-albums

    4- RNN GRU (Recurrent Neural Networks, Gated Recurrent Unit)


     Explication de l’Architecture Gated Recurrent Unit
     Sentiment Analysis : Classification des commentaires des films sur le site IMDb
     Application sur IMDb Dataset : http://ai.stanford.edu/~amaas/data/sentiment/
    5- RESTICTED BOLTZMANN MACHINE
     Explication de l’architecture
     Apprendre une représentation des features de façon non-supervisée depuis les images
    en utilisant Bernoulli Restricted Boltzmann Machine
     Utiliser la régression logistique ensuite pour la classification
     Application sur MNIST Dataset : http://yann.lecun.com/exdb/mnist/

    6- Auto-Encoders
     Explication de l’architecture
     Application sur MNIST Dataset : http://yann.lecun.com/exdb/mnist/

    7- Reinforcement Learning
     Explication du Q-learning
     Le Processus de décision markovien
     Simulation d’un Taxi : s'assurer que le taxi atteint le passager, le récupère et l'amène
    au lieu de dépôt de la manière la plus rapide possible.
     Lien : https://www.kaggle.com/angps95/intro-to-reinforcement-learning-with-openai-
    gym

    8- Video classification
     Explication du processus de la classification des vidéos
     Utilisation du réseau de neurones convolutionnel Resnet50
     Classification des activités sportives
     Application sur Sports Dataset : https://github.com/anubhavmaity/Sports-Type-
    Classifier

    9- Natural Language Processing : the Skip-gram model


     Explication de l’approche semi-supervisée du modèle Skip-gram pour le
    traitement du langage naturel
     Application sur Wikipedia Dataset : http://mattmahoney.net/dc/textdata.html
     Lien : http://www.realworldnlpbook.com/blog/gentle-introduction-to-skipgram-
    word2vec-model-allennlp-ver.html

    Vous aimerez peut-être aussi