Instructions du TPE INF 365
Merci de constituer des groupes de 5 étudiants par projets.
1. Chatbot pour aider les étudiants à se pré inscrire en ligne
2. Reconnaissance des chi<res manuscrits
3. Détection d’incendie à base de capteurs
4. Assistance vocale grace à l'IA
5. Détection de plagiats
6. Détection des émotions faciales
7. Créer une application de traduction en langue locale utilisant l’IA
8. Application de choix de CV par une IA
9. Détecteur de présence
10. Système de prévision des crues
11. Système de prévision des ventes
12. Système de détection des infractions routières
13. Système de prédiction des types de cultures
14. Système de prédiction du taux d’échec
15. Système de gestion des déchets urbains
16. Système de gestion des déchets hospitaliers
17. Analyse de sentiment sur les réseaux sociaux
18. Prédiction des prix de l'immobilier
19. Prise de décision multicritère pour une application logistique
20. Détection de la ligne de démarquage voiture qui va suivre une ligne
Instructions du TP
1. Définir clairement les objectifs du TP
• Énoncer précisément ce que les étudiants doivent réaliser (par exemple, construire un
modèle de classification, analyser des données, etc.).
• Présenter le contexte de l'application (détection de spam, segmentation de clients,
etc.) pour motiver le TP.
2. Structurer le TP en étapes
• Préparation des données : Nettoyage, exploration des données (EDA),
normalisation ou standardisation si nécessaire.
• Implémentation des modèles : Choix des algorithmes appropriés, construction
et entraînement des modèles.
• Évaluation des performances : Mesurer la précision, le rappel, l'AUC, ou tout
autre métrique pertinente. Comparer plusieurs modèles si possible.
• Analyse des résultats : Interpréter les résultats obtenus, identifier les
limitations potentielles, proposer des améliorations.
3. Fournir des datasets adaptés
• Fournir des datasets prêts à l'emploi pour faciliter l'accès aux données (en
format CSV, JSON, etc.). S'assurer que les données sont de taille raisonnable
pour permettre un traitement rapide.
• Indiquer les sources des données si elles sont extraites de plateformes
publiques (Kaggle, UCI Machine Learning Repository, etc.).
4. Documentations à fournir
• Fournir des un rapport du travail réalisé en testant di<érents algorithmes et
hyperparamètres pour trouver la meilleure performance.
• Inciter à faire des expériences (par exemple, tester des méthodes de
prétraitement di<érentes, utiliser la validation croisée pour évaluer les modèles).
• Poser quelques questions de réflexion à la fin du TP sur les choix de modèles, les
résultats obtenus, et les améliorations possibles.
• Proposer de comparer les approches utilisées avec d'autres approches
théoriques ou algorithmes possibles.
• Fournir une petite vidéo de 5 minutes maximum pour expliquer le code et
l’application réalisée.
