Accueil - Connexion

Programmation Python & Intelligence artificielle (GeNE et IPC)

824-1 Programmation Python & Intelligence artificielle (GeNE et IPC) Génie physique et systèmes embarqués (formation initiale sous statut étudiant) S7
Cours : 0 h TD : 0 h TP : 40 h Projet : 0 h Total : 40 h
Responsable : Alain Lebret
Pré-requis
Notions d'un langage de programmation.
Objectifs de l'enseignement
➜ Maîtriser les bases du langage Python.
➜ S'initier aux concepts de la programmation orientée objet en Python.
➜ Approfondir l'utilisation des bibliothèques Numpy et Matplotlib.
➜ S'initier à l'apprentissage automatique avec Scikit-Learn (régressions, classification).
➜ S'initier aux méthodes de traitement d'images avec Scikit-Image.
Programme détaillé
Partie 1

1. Bases du langage Python.
2. Fonctionnalités avancées en Python.
3. Représentations graphiques des données avec Matplotlib.
4. Programmation orientée-objet en Python (classes et objets, encapsulation, héritage, polymorphisme, etc.).

Partie 2

1. Introduction à l'intelligence artificielle.
2. Optimisation et descente de gradient.
3. Régression linéaire, classification et régression logistique.
Applications (TD ou TP)
Travaux pratiques de mise en oeuvre des différents concepts sur JupyterLab.
Compétences acquises
➜ Modéliser et développer une application en utilisant le paradigme objet.
➜ Être capable de choisir, extraire et représenter des données.
➜ Choisir et mettre en oeuvre des modèles de régression et de classification des données.
➜ Choisir et mettre en oeuvre un réseau profond pour détecter des objets.
Bibliographie
- Eric Matthes. "Python Crash Course" (3e éd.). No Starch Press, 2023.
- Aurélien Géron. "Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow" (3e éd.). O'Reilly Media, 2022.
- Christopher M. Bishop. "Pattern Recognition and Machine Learning" (2e éd.). Springer-Verlag, 2011.

© 2024 - ENSICAEN ( Mentions Légales - Crédits )