La formation : www.jedha.co Dans son projet final suite à sa formation Fullstack, Adrien a construit une voiture autonome, détectant son environnement et prenant des décisions selon celui-ci.

1. Data Science
Bootcamp
Adrien Dodinet

2. Fabriquer une
voiture autonome

3. + +
Moteurs Micro Ordinateur Raspberry Pi Camera

5. Besoin de plus de puissance de calcul

8. La phase
d'entraînement

9. Les étapes de développement

11. La récolte de donnée
Durant sa phase d'entraînement, 10
fois par seconde, la voiture :
prend une photo
relève la direction prise à cet instant
par le pilote
enregistre un journal avec photo + direction prise

12. On obtient ce type de donnée :
Direction = 0 Direction = -1 Direction = + 0.87

13. L’objectif du réseau de neurone
150 000 valeurs de
pixels
1 valeur de sortie:
la direction à prendre
+ 0.87

14. Plus en détail
- Le réseau de
neurone cherche les
caractéristiques
clés de l’image

15. Entrainement du modèle
Le modèle s'entraîne
plusieurs fois sur
l’intégralité des images
Il améliore sa précision à
chaque passe, mais
attention au sur
apprentissage!

16. Le sur-apprentissage

17. Exemples de prédictions sur donnée de test
PréditRéel PréditRéel PréditRéel

19. Les limites et évolutions du
projet:
Changer la caméra : un grand angle améliorerait fortement
le modèle
Ajout de reconnaissance de panneaux
Ajout d’un radar pour détection d’objet proche et
localisation dans l’espace
https://github.com/adriendod/Self-Driving-Car

20. Data Science
Bootcamp
Des questions ?