from fpdf import FPDF
# Créer un document PDF
pdf1 = FPDF()
pdf1.add_page()
pdf1.set_font("Arial", size=12)
# Ajouter un titre
pdf1.cell(200, 10, txt="Introduction à l'Intelligence Artificielle", ln=True, align='C')
# Ajouter un contenu
pdf1.multi_cell(0, 10, txt="""
L'intelligence artificielle (IA) est un domaine de l'informatique qui se concentre sur la création de
machines capables de
effectuer des tâches normalement réalisées par les humains, telles que la reconnaissance vocale, la
vision par ordinateur,
la prise de décision autonome et bien plus encore.
L'IA utilise des algorithmes pour apprendre à partir de données et s'améliorer avec le temps. Les
deux principales branches
de l'IA sont l'apprentissage supervisé et non supervisé. L'apprentissage supervisé utilise des données
étiquetées pour
entraîner les modèles, tandis que l'apprentissage non supervisé permet aux modèles de trouver des
structures cachées dans
les données sans supervision externe.
Les applications de l'IA sont vastes et couvrent de nombreux secteurs, tels que la santé, les finances,
l'éducation et même
les jeux vidéo. Cependant, l'IA pose aussi des défis éthiques, notamment en matière de
confidentialité, de biais algorithmiques
et d'automatisation du travail.
Le futur de l'IA dépendra de sa capacité à s'adapter aux enjeux sociaux et à répondre aux questions
éthiques tout en
continuant à offrir des innovations.
""")
# Sauvegarder le document PDF
pdf1.output("IA_Introduction.pdf")
# Créer un deuxième document PDF
pdf2 = FPDF()
pdf2.add_page()
pdf2.set_font("Arial", size=12)
# Ajouter un titre
pdf2.cell(200, 10, txt="Le Machine Learning et ses Applications", ln=True, align='C')
# Ajouter un contenu
pdf2.multi_cell(0, 10, txt="""
Le machine learning (apprentissage automatique) est un sous-ensemble de l'intelligence artificielle
qui permet aux
machines d'apprendre à partir de données sans être explicitement programmées. Il repose sur l'idée
que les machines
peuvent découvrir des motifs dans les données et faire des prédictions ou prendre des décisions
basées sur ces
informations.
Il existe trois types d'apprentissage dans le machine learning :
- L'apprentissage supervisé : où le modèle est entraîné sur des données étiquetées, telles que des
images ou des
textes, et doit prédire une étiquette ou une classe à partir de nouvelles données.
- L'apprentissage non supervisé : où le modèle cherche à identifier des structures cachées dans les
données sans
aucune étiquette pré-existante.
- L'apprentissage par renforcement : où l'algorithme apprend par essais et erreurs, en maximisant
des récompenses
obtenues à travers des actions dans un environnement donné.
Le machine learning est utilisé dans une variété d'applications, allant de la recommandation de
produits sur les
sites web à la reconnaissance vocale, en passant par la conduite autonome et la détection de fraudes
dans le secteur bancaire.
Cependant, il y a également des défis associés à l'utilisation du machine learning, notamment en
termes de
prétraitement des données, de gestion des biais dans les modèles et de l'éthique de l'IA. La gestion
des grandes
quantités de données et la capacité à concevoir des modèles robustes sont également des enjeux
importants.
""")
# Sauvegarder le deuxième document PDF
pdf2.output("Machine_Learning.pdf")
modele.layers[1].set_weights(poids)
ReLU
ReLU
Voici quelques précisions concernant la commande set_weights(). Son utilisation n’est pas très
aisée.
• Les poids sont définis pour tous les éléments d’une couche, par une commande
set_weights(poids).
• Les poids sont donnés sous la forme d’une liste : poids = [coeff,biais].
• Les biais sont donnés sous la forme d’un vecteur de biais (un pour chaque neurone).
• Les coefficients sont donnés sous la forme d’un tableau à deux dimensions. Ils sont définis par
entrée.
Attention, la structure n’est pas naturelle (nous y reviendrons).
Pour vérifier que les poids d’une couche sont corrects, on utilise la commande get_weights(), par
exemple
pour la première couche :
modele.layers[0].get_weights()
Cette instruction renvoie les poids sous la forme d’une liste [coefficients,biais] du type :
[ [[ 1. -0.5]], [-1. 1.] ]
