Skip to content

Latest commit

 

History

History
105 lines (78 loc) · 3.55 KB

README.md

File metadata and controls

105 lines (78 loc) · 3.55 KB

Instructions

Sujets de travaux pratiques d'intelligence artificielle et d'apprentissage profond

Année: 2024-2025

Sujets de travaux pratiques

Objectifs

L'objectif des travaux pratiques est de créer un projet pour comprendre les différents aspects d'intelligence artificielle et d'apprentissage profond. Suite à l'accomplissement de tous les exercices, vous serez captable de

  • mettre en œuvre les sujets suivants :
    • intelligence artificielle symbolique
    • Le réseau de neurones artificiels
    • L’apprentissage profond
  • créer des modèles de réseaux de neurones en utilisant différentes structures et fonctions d'activation
  • paramétrer et optimiser les réseaux de neurones
  • tester les modèles existants de réseaux neuronaux récurrents comme le LTSM et les réseaux neuronaux convolutifs
  • écrire et exécuter des programmes simples dans le langage de programmation Prolog

Instructions

  1. Tous les travaux pratiques sont basés sur les aspects que vous avez déjà appris pendant vos cours. Utilisez-bien vos supports cours.
  2. Travailler en binôme.
  3. Il est obligatoire de citer tous les sources (e.g. internet, groupes)
  4. Les séances sont encadrées par 2 enseignants.

Evaluation

  1. Les travaux pratiques correspondent à 40% de votre note finale
  2. Vous avez deux travaux pratiques et un projet. Chaque travail pratique (TP) comporte plusieurs exercices. Chaque exercice est noté.
  3. Total points pour tous les travaux pratiques et le projet: 20
  4. Rendu en ligne.
  5. Chaque question a un niveau de difficulté
    • ★: Facile
    • ★★: Difficulté moyenne
    • ★★★: Difficile

Rendus

Il y a deux parties de rendu: rapport d'auto-évaluation et les sources

Votre dossier de rendu doit contenir les fichiers suivants:

  • a. README: rapport d'auto-évaluation
  • b. CONTRIBUTORS: Noms et prénoms de contributeurs
  • c. src/ : le code source dans le répertoire src

Votre rendu doit renommer comme groupe_N1_N2, où N1 et N2 sont les noms (e.g., groupe_DUPONT_SMITH.).

Ecrivez README et CONTRIBUTORS en format markdown.

Le contenu de README rapport d'auto-évaluation : TP N (N: [1..2])

  • i. Bibliothèques
  • ii. Références: les URLs, les groupes
  • iii. Difficulté: niveau de difficulté (facile, moyenne, difficile)
  • iv. Commentaires (optionnels): remarques etc.

Liste de contrôle

Avant de déposer votre travail pratique, vérifiez si vous respectez la liste de contrôle suivante:

  • ✅ Les noms (prénom et noms) de la binôme sont présents dans le fichier CONTRIBUTORS
  • ✅ Le fichier README est complètement rempli.
  • ✅ Votre code est bien commenté.
  • ✅ Votre code peut être exécuté sans aucune erreur (et si possible, sans aucun avertissement).

Modèle de code

Pour référence, vous pouvez consulter le répertoire suivant: https://github.com/johnsamuelwrites/IA-DeepLearning. Il contient des modèles de code pour tous les exercices des deux travaux pratiques et le projet.

Vous pouvez le consulter en ligne en utilisant le lien ci-dessus ou le cloner sur votre machine à l'aide du terminal en utilisant les commandes suivantes.

          $ git clone https://github.com/johnsamuelwrites/IA-DeepLearning
          $ cd IA-DeepLearning
          $ ls
          $ cat fr/README.md

Pour obtenir les dernières mises à jour du répertoire, vous pouvez exécuter la commande suivante

          $ git pull