les bases de AI

1. Définition de l’AI :
MACHINE LEARNING :
DEEP LEARNING :
les domaines d’application du
Machine Learning?
TensorFlow :
Chatbot :
Chatterbot :
Real-Time Object
Recognition :
OpenCV :
•L’Intelligence Artificielle concerne la conception et la réalisation d’un système matériel ou logiciel
capable de posséder ou produire les capacités et caractéristiques propres à un cerveau humain ou
animal
•Machine Learning ou apprentissage automatique est la science de programmer les ordinateurs de
sorte qu’ils puissent apprendre à partir de données.
•Le Deep Learning, ou apprentissage profond, est l’une des principales technologies de Machine
Learning et d’intelligence artificielle. Découvrez en quoi consiste cette technologie, son
fonctionnement, et ses différents secteurs d’application.
Apprentissage et
Machine Learning
Deep Learning supervisie non supervisie
• Apprentissage
supervisé
• Apprentissage non
supervisé
• Apprentissage
renforcé
• Perceptron
• ConvolutionalNeural
Network (CNN)
• ReccurentNeural
Networt(RNN
•Nombre de
classes connues
•Sur
entrainement
•Utilisee pour
classifier
•nbre de cls
inconnues
•pas de
connaissance
prealable
•utilise pour
comprendre et
expolrer les
donnees
•Automobile, Industrie, Biens de consommation, Finance, Agriculture, Energie, Santé, Pharmacie,
Secteur public, Médias, Télécommunications, Transport, logistique, voyage
•TensorFlow est une bibliothèque open source de Machine Learning, créée par Google,
permettant de développer et d’exécuter des applications de Machine Learning et de Deep
Learning. Découvrez tout ce que vous devez savoir à son sujet.
•Un chatbot est un robot logiciel pouvant dialoguer avec un individu ou consommateur par le biais
d’un service de conversations automatisées
•chatterbot est un moteur de dialogue de conversation basé sur l'apprentissage automatique
construit en Python qui permet de générer des réponses sur la base de collections de
conversations connues
•Etre capable de concevoir et réaliser une AI permettant la Reconnaissance d’Objets en Temps
Réel.
•OpenCV (Open Source Computer Vision) est une bibliothèque proposant un ensemble de plus de
2500 algorithmes de vision par ordinateur, accessibles au travers d'API pour les langages C, C++, et
Python
MNIST :
softmaw():
placeholder:
mamtul()
cross_entropy:
learning rate:
session():
cv2 :
dropout() :
•Mixed National Institute for Standard & Technology. Contient (dataset, Modèle, Training, Testing)
Le but de Mnist: c'est la classification des chiffres manuscrits.
•softmaw(): fonction d'activation permettant de donner la sortie sous forme de probabilité.
•des données réservent une place dans le mémoire.
•fonction qui calcule le produit d'une matrice.
x: est un placeholder car il contient une seule sortie, c'est l'image.
w: weight=poids: c'est une variable. s'il ya une erreur il faut changer w ou b.
b: biases=bias: degré de libérté. c'est une variable. Son role c'est forcer la bonne réponse.
•pour calculer l'erreur.(le taux d'erreur).
•le taux d'apprentissage.
•pour faciliter l'execution multicore.
•est une bibliothèque, scpécialisée dans le traitement d'images en temps réél.
•fonction permet de calmer le décollage de la courbe d'erreur de test.
Exemple de scripte
Import tensorflow as tf
a=tf.constant([2])
b=tf.constant([3])
c=tf.add(a, b)
with tf.Session() as session :
result = session.run(c )
print(result)
Il s’agit d’un script python permettant
d’afficher la somme de 2 cts en utilisant la bib
tensorflow en effet, ce script est constitue de 2
partie :
Partie d’eclaration ; ligne1 a 4 peut etre
modelier par un diagramme des nœuds
Partie execustion : ligne 5 a 7