Scribd
Importer
18 vues2 pages

Devoir IA

Le document présente plusieurs applications de l'intelligence artificielle, notamment la reconnaissance d'images avec des CNN, la prédiction de séries temporelles avec des RNN, et le traitement du langage naturel. Il propose des simulations pratiques pour chaque domaine, comme l'utilisation de jeux de données spécifiques et la comparaison de modèles. Enfin, il aborde l'application de l'IA en santé pour la détection de maladies à partir d'images médicales.

Transféré par

Angelinä Mra
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
18 vues2 pages

Devoir IA

Le document présente plusieurs applications de l'intelligence artificielle, notamment la reconnaissance d'images avec des CNN, la prédiction de séries temporelles avec des RNN, et le traitement du langage naturel. Il propose des simulations pratiques pour chaque domaine, comme l'utilisation de jeux de données spécifiques et la comparaison de modèles. Enfin, il aborde l'application de l'IA en santé pour la détection de maladies à partir d'images médicales.

Transféré par

Angelinä Mra
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

1.

Reconnaissance d’images avec les réseaux de neurones convolutionnels (CNN)

• Problématique : Comment les CNN permettent-ils de reconnaître des objets ou des


chiffres manuscrits ?
• Simulation pratique :
o Utiliser MNIST (chiffres manuscrits) ou CIFAR-10 (objets simples).
o Implémenter un CNN avec TensorFlow/Keras et comparer avec un perceptron
multicouche (MLP).

2. Prédiction de séries temporelles avec les réseaux récurrents (RNN, LSTM,


GRU)

• Problématique : Peut-on prédire l’évolution d’un cours de bourse, la météo ou la


consommation énergétique à partir de données passées ?
• Simulation pratique :
o Charger une série temporelle (par ex. météo locale ou données financières).
o Comparer la performance d’un réseau simple RNN vs LSTM/GRU.

3. IA pour le traitement automatique du langage naturel (NLP)

• Problématique : Comment les RNA comprennent-ils et génèrent-ils du texte ?


• Simulation pratique :
o Construire un modèle de classification de texte (ex. détection de spam).
o Utiliser des embeddings comme Word2Vec ou BERT pour améliorer la
performance.

4. Applications de l’IA en santé : détection automatique de maladies à partir


d’images médicales

• Problématique : Comment un réseau de neurones peut-il aider à détecter un cancer ou


une anomalie médicale ?
• Simulation pratique :
o Utiliser une base publique simplifiée (par ex. images de rayons X poumons –
Pneumonia dataset).
o Entraîner un CNN et évaluer sa précision.

5. Réseaux de neurones et jeux (IA jouant à un jeu simple)


• Problématique : Peut-on apprendre à une IA à jouer à un jeu (morpion, Snake, Pong) via
apprentissage par renforcement ?
• Simulation pratique :
o Utiliser Q-Learning ou Deep Q-Network (DQN).
o Implémenter un agent qui apprend à jouer automatiquement à un petit jeu.

Vous aimerez peut-être aussi