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