Udemy.Intelligence.Artificielle.IA.5.projets.complets.en.Python.2024.French.Web.720p.x264
movies, software, shows...
Files
| .pad | |||
| 0 | 71.81 KB | ||
| 1 | 490.37 KB | ||
| 2 | 849.63 KB | ||
| 3 | 891.15 KB | ||
| 4 | 417.59 KB | ||
| 5 | 256.91 KB | ||
| 6 | 950.89 KB | ||
| 7 | 7.23 KB | ||
| 8 | 658.74 KB | ||
| 9 | 364.3 KB | ||
| 10 | 264.19 KB | ||
| 11 | 65.67 KB | ||
| 12 | 631.71 KB | ||
| 13 | 173.17 KB | ||
| 14 | 497.81 KB | ||
| 15 | 547.89 KB | ||
| 16 | 821.41 KB | ||
| 17 | 828.38 KB | ||
| 18 | 385.09 KB | ||
| 19 | 630.63 KB | ||
| 20 | 818.9 KB | ||
| 21 | 923.37 KB | ||
| 22 | 831.99 KB | ||
| 23 | 362.24 KB | ||
| 24 | 562.92 KB | ||
| 25 | 283.8 KB | ||
| 26 | 909.6 KB | ||
| 27 | 456.32 KB | ||
| 28 | 591.24 KB | ||
| 29 | 722.36 KB | ||
| 30 | 403.66 KB | ||
| 31 | 965.17 KB | ||
| 32 | 845.02 KB | ||
| 33 | 869.28 KB | ||
| 34 | 662.81 KB | ||
| 35 | 862.55 KB | ||
| 36 | 479.79 KB | ||
| 37 | 362.16 KB | ||
| 38 | 956.13 KB | ||
| 39 | 20.07 KB | ||
| 40 | 424.13 KB | ||
| 41 | 689.65 KB | ||
| 42 | 908.26 KB | ||
| 43 | 124.61 KB | ||
| 44 | 805.8 KB | ||
| 45 | 810.95 KB | ||
| 46 | 931.12 KB | ||
| 47 | 997.02 KB | ||
| 48 | 496.96 KB | ||
| 49 | 559 KB | ||
| 50 | 628.24 KB | ||
| 51 | 1004.62 KB | ||
| 52 | 973.5 KB | ||
| 53 | 903.42 KB | ||
| 54 | 1009 KB | ||
| 55 | 779 KB | ||
| 56 | 97.02 KB | ||
| 57 | 912.99 KB | ||
| 58 | 599.56 KB | ||
| 59 | 219.89 KB | ||
| 60 | 783.06 KB | ||
| 61 | 172.85 KB | ||
| 62 | 864.13 KB | ||
| 63 | 69.2 KB | ||
| 64 | 279.32 KB | ||
| 65 | 793.81 KB | ||
| 66 | 1006.12 KB | ||
| 67 | 1012.28 KB | ||
| 68 | 603.83 KB | ||
| 1 - Introduction | |||
| 1 -Qu'est ce qu'on va faire dans cette formation.mp4 | 13.83 MB | ||
| 2 - Installation Anaconda (version texte) + ouverture.html | 834 B | ||
| 2 -Mise en place de l'environnement pour la formation d'IA.mp4 | 25.33 MB | ||
| 3 - CHALLENGE PYTHON 30 JOURS (OFFERT).html | 987 B | ||
| 3 - Mise en place de l'environnement pour la formation d'IA (version texte).html | 536 B | ||
| 2 - Projet 1 - Détecteur de visage | |||
| 1 -Introduction au programme.mp4 | 39.29 MB | ||
| 10 -Code Extraction des visages d'une photo.mp4 | 80.36 MB | ||
| 11 -Code Echanger 2 visages.mp4 | 71.94 MB | ||
| 2 -Les Caractéristiques.mp4 | 35.17 MB | ||
| 3 -Sélectionner les meilleures caractéristiques avec Adaboost.mp4 | 32.35 MB | ||
| 4 -Classificateur en cascade.mp4 | 21.51 MB | ||
| 5 -Paramètre d'échelle.mp4 | 23.03 MB | ||
| 6 -Paramètre du nombre minimum de voisins.mp4 | 34.15 MB | ||
| 7 -Code Détecter un visage.mp4 | 66.83 MB | ||
| 7 -Doc OpenCV.url | 51 B | ||
| 8 -Code Encadrer et afficher des visages.mp4 | 109.17 MB | ||
| 9 -Code Détecter les yeux.mp4 | 51.19 MB | ||
| 3 - Projet 2 - Classificateur d'images | |||
| 1 -Introduction au programme.mp4 | 5.73 MB | ||
| 10 -Code Extraction du dataset.mp4 | 85.99 MB | ||
| 11 -Code Création classificateur du plus proche voisin (étape 1).mp4 | 76.74 MB | ||
| 12 -Code Création classificateur du plus proche voisin (épisode 2).mp4 | 94.75 MB | ||
| 13 -Code Création classificateur du plus proche voisin (étape 3).mp4 | 100.59 MB | ||
| 14 -Code Application du classificateur des K plus proches voisins.mp4 | 63.2 MB | ||
| 15 -Code Variation des hyper paramètres.mp4 | 77.64 MB | ||
| 16 -Conclusion.mp4 | 4.01 MB | ||
| 2 -Introduction au Machine Learning.mp4 | 17.11 MB | ||
| 3 -Classification supervisée.mp4 | 25.59 MB | ||
| 4 -Classification d'images.mp4 | 39.55 MB | ||
| 5 -Classificateur du plus proche voisin.mp4 | 41.11 MB | ||
| 6 -Classificateur des K plus proches voisins.mp4 | 44.45 MB | ||
| 7 -Hyper paramètres.mp4 | 26.07 MB | ||
| 8 -Validation croisée.mp4 | 15.79 MB | ||
| 9 -Exploration du dataset.mp4 | 62.19 MB | ||
| 4 - Projet 3 - IA de reconnaissance d'écriture manuscrite | |||
| 1 -Introduction.mp4 | 5.22 MB | ||
| 10 -Code Construction du réseau de neurones.mp4 | 53.1 MB | ||
| 11 -Code Entrainement du réseau de neurones.mp4 | 66.51 MB | ||
| 12 -Code Sauvegarde du model dans un fichier.mp4 | 131.52 MB | ||
| 13 -Code Découverte des courbes dans TensorBoard.mp4 | 94.07 MB | ||
| 14 -Code Graphiques dans TensorBoard.mp4 | 47.65 MB | ||
| 2 -Qu'est-ce qu'un neurone.mp4 | 16.41 MB | ||
| 3 -Le Perceptron.mp4 | 23.21 MB | ||
| 4 -Un exemple de perceptron.mp4 | 37.61 MB | ||
| 5 -Réseaux de neurones.mp4 | 30.53 MB | ||
| 6 -Algorithme du Gradient.mp4 | 28.65 MB | ||
| 7 -Algorithme de la rétro-propagation.mp4 | 23.21 MB | ||
| 8 -Code Dataset MNIST.mp4 | 58.38 MB | ||
| 9 -Code La couche d'entrée.mp4 | 31.16 MB | ||
| 5 - Projet 4 - Détecteur de Spam | |||
| 1 -Introduction.mp4 | 2.91 MB | ||
| 10 -Code CountVectorizer.mp4 | 39.42 MB | ||
| 11 -Code TF-IDF.mp4 | 37.06 MB | ||
| 12 -Code Construction du classificateur Naïve Bayes.mp4 | 56.2 MB | ||
| 13 -Code Amélioration du code avec un Pipeline.mp4 | 65.46 MB | ||
| 2 -Classification de texte.mp4 | 15.24 MB | ||
| 3 -Principe de Naïve Bayes.mp4 | 17.91 MB | ||
| 4 -Exemple concret d'application.mp4 | 19.12 MB | ||
| 5 -Naïve Bayes pour une séquence de mots.mp4 | 20.05 MB | ||
| 6 -Représentation numérique du texte.mp4 | 12.93 MB | ||
| 7 -Fréquence des termes et fréquence inverse des documents (tf-idf).mp4 | 18.24 MB | ||
| 8 -Introduction au dataset Enron.mp4 | 21.39 MB | ||
| 9 -Code Charger le dataset.mp4 | 41.72 MB | ||
| 6 - Projet 5 - Reconnaissance Faciale | |||
| 1 -Introduction.mp4 | 3.41 MB | ||
| 10 -Code Création de notre application de reconnaissance faciale.mp4 | 60.62 MB | ||
| 11 -Code Comparaison des 3 algorithmes de reconnaissance faciale.mp4 | 152.93 MB | ||
| 12 -Code Reconnaissance en temps réel via webcam.mp4 | 105.13 MB | ||
| 13 -Test application.mp4 | 13.16 MB | ||
| 14 -Conclusion.mp4 | 5.02 MB | ||
| 2 -Qu'est ce que la reconnaissance faciale.mp4 | 25.11 MB | ||
| 3 -Réduction dimensionnelle.mp4 | 23.09 MB | ||
| 4 -Principle Component Analysis (PCA).mp4 | 21.45 MB | ||
| 5 -Linear Discriminant Analysis (LDA).mp4 | 25.98 MB | ||
| 6 -Comparaison PCA et LDA.mp4 | 19.01 MB | ||
| 7 -Local Binary Patterns (LBP).mp4 | 21.02 MB | ||
| 8 -Exploration dataset.mp4 | 23.88 MB | ||
| 9 -Code Charger le dataset.mp4 | 71.38 MB | ||
| 7 - SECTION BONUS MERCI | |||
| 1 - Session Bonus.html | 1013 B |
Description
Intelligence Artificielle IA
5 projets complets en Python
Application de Machine Learning, Deep Learning pour réaliser des projets concrets d’IA en Python
Le programme complet de la formation :
1. Création d’une IA de détection de visage : je vous explique comment adaBoost sélectionne
les meilleures caractéristiques d’un visage parmi des milliers. Je vous parle des classificateurs en cascade
et des paramètres à prendre en considération pour affiner notre détection de visage. Puis vous mettrez
les mains dans le code et vous développerez de A à Z une application qui échange 2 visages.
2. Création d’une IA de classification d’images : je vous parle de la classification d’images,
du classificateur K-Neighbors (Machine Learning), on évaluera comment régler au mieux
les hyperparamètres correspondants.
Vous travaillerez sur le jeu de données le plus utilisé dans le domaine de la classification pour
entraîner votre IA.
3. Création d’une IA de reconnaissance d’écriture manuscrite : je vous explique en détail ce
qu’est un réseau de neurones (Deep Learning), je vous parlerai de l’algorithme du Gradient et du
concept de rétro propagation.
Puis vous allez construire pas à pas chaque ligne de code permettant de construire un modèle de réseau
de neurones, que vous allez entraîner pour améliorer la précision de celui-ci dans la reconnaissance des chiffres.
4. Création d’un détecteur de Spam : L’objectif de cette IA, c’est de détecter si un e-mail est un
spam ou non. On discutera de la classification de texte et plus particulièrement de l’algorithme Naïves
Bayésienne puis des notions de Fréquence d’un Terme et Fréquence Inverse de Document (TF-IDF).
Enfin vous construirez pas à pas cette IA pour obtenir une précision de près de 99%.
5. Création d’une IA de reconnaissance faciale (qui permet de reconnaître la ou les personne(s)
présente(s) sur une photo ou vidéo) : je vous parle de la réduction dimensionnelle et des 3 algorithmes
de reconnaissance faciale à savoir le Principle Component Analysis (PCA), du Linear Discriminant Analysis
(LDA) et du Local Binary Patterns (LBP). Puis vous testerez ces 3 algorithmes en réel avec la construction
pas à pas de l’application de reconnaissance faciale.
Formation 50 % théorique 50 % pratique. Chaque concept clé de Machine Learning et/ou
Deep Learning est décrypté précisément de façon intuitive (théorie) et appliqué dans
des cas concrets d'Intelligence Artificielle (pratique).
Editeur : Udemy
Parution : 2024
Formateur : Rod Paris
Durée : +8H
Qualité : WEB 720P
Format : MP4
Codec Audio : AAC LC ~ 128 kb/s
Codec Vidéo : AVC ~ 450 kb/s
Langue : Français
Résolution:1280 x 720
NB Fichiers: 75
Poids Total : 2.90 Go
Lien Fichiers sources
Related Torrents
| torrent name | size | uploader | age | seed | leech |
|---|---|---|---|---|---|
| 3.3 GB | freecoursewb | 3 weeks | 8 | 7 | |
| 1.8 GB | freecoursewb | 1 month | 13 | 11 | |
| 1.2 GB | freecoursewb | 1 month | 12 | 5 | |
| 2 GB | freecoursewb | 1 month | 27 | 34 | |
| 1.9 GB | freecoursewb | 1 month | 5 | 3 |
All Comments