Livret pédagogique numérique 2025/2026
| 824-1 | Programmation Python & Intelligence artificielle (GeNE et IPC) | Génie physique et systèmes embarqués - 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. | |
| 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 de neurones 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. |
© 2026 - ENSICAEN ( Mentions Légales - Crédits )