Formation_IA
Cette repertoire est créée pour partager les codes qu'on a vu dans la formation. Et elle sera mise à jour après chaque séance.
Visualiser et exécuter les Notebooks
La manière la plus simple de visualiser tous les notebook est d'utiliser Nbviewer.
Si vous voulez manipuler les codes, vous pouvez utiliser les plateformes suivantes :
Pour télécharger cette répertoire veuillez exécuter le code suivant sur un terminal :
git clone https://github.com/Mohamed-Dhouioui/Formation_IA.git
Pour l'installation des bibliothèques veuillez utiliser ce syntax
pip install nom_bibliothèque
Les bibliothèques à installer sont :
numpy
pandas
matplotlib
seaborn
scikit-learn
Version 1.0 contient ces données :
Notebooks:
- Model_de_regression_1.ipynb : un notebook qui vous guide dans
la création et l'évaluation d'un model de regression linéaire sur 'Housing Dataset'
- Model_de_regression_SVM.ipynb un notebook qui vous guide dans
la création et l'évaluation d'un model de régression SVM sur la base des fleurs 'Housing Dataset'
- Model_de_regression_RF.ipynb : un notebook qui vous guide dans
la création et l'évaluation d'un model de regression Random Forest sur la base 'machine_cpu' de 'OpenML'
- Model_de_classification_1.ipynb un notebook qui vous guide dans
la création et l'évaluation d'un model de classification sur 'mobile_price Dataset'
- Model_de_classification_SVM.ipynb un notebook qui vous guide dans
la création et l'évaluation d'un model de classification SVM sur la base des fleurs 'IRIS'
- Model_de_classification_DT.ipynb un notebook qui vous guide dans
la création et l'évaluation d'un model de classification Decision Tree sur la base 'CAR' de 'OpenML'
- Model_de_classification_RF.ipynb un notebook qui vous guide dans
la création et l'évaluation d'un model de classification Random Forest sur la base 'electricity' de 'OpenML'
- ensemble_models.ipynb un notebook qui vous guide dans
la création et l'évaluation des models d'apprentissage d'ensemble 'Ensemble Learning'
- Model_ANN_regression.ipynb un notebook qui vous guide dans
la création et l'évaluation d'un réseau de neurone artificiel pour la regression
- Model_ANN_classification.ipynb un notebook qui vous guide dans
la création et l'évaluation d'un réseau de neurone artificiel pour la classification binaire et multiclass
- Model_CNN_classification.ipynb un notebook qui vous guide dans
la création et l'évaluation d'un réseau de neurone convolutionnel pour la classification multiclass sur la base CIFAR-10
- Model_CNN_de_classification_Data_augmentation.ipynb un notebook qui vous guide dans
la création et l'évaluation d'un réseau de neurone convolutionnel avec l'augmentation de données pour la classification binaire sur la base Cat/Dog
Datasets:
- Housing.csv
- mobile_price_train.csv
- mobile_test_price.csv
- Car version_2 de OpenML
- machine_cpu de OpenML
- electricity de OpenML
- Fashion Mnist de scikit-learn
- Breast cancer de scikit-learn
- Forest Fires de UCI
- CIFAR-10
- Cat/Dog