Université Alger 1

Faculté des Sciences

Département MI
Master 1 : Ingénierie des Systèmes Informatiques Intelligents

Data Mining -- TP 03 : Deep Learning

Le but de ce TP est l’implémentation d’un réseau de neurones profond pour la reconnaissance des
caractères manuscrits Arabe.Nous utiliserons essentiellement un DNN à plusieurs couches cachées
aveclafameuse librairie ‘Keras’.

1. Jeu de données
Dans ce TP, nous utilisons le datasetOIHACDB (Off-
lineIsolatedHandwrittenArabicCharactersDataBase) des caractères manuscrits isolés Arabes
construisait par Boufenar en 2016. Le datsetcontient 5600 images de taille 128*128 pixels
chacune en format bmp (voir mosaïque ci-dessous).

2. Travail demandé
 Chargement du dataset
 Découper le dataset en deux ensembles : Training et Test
 Utiliser le conteneur ‘Collection.Counter()’ pour compter le nombre d’exemples
dans chaque classe de l’ensemble d’entrainement.Afficher lesobservations dans
chaque classe à l’aide de barres (seaborn.countplot()).
 Afficher 50 images dans l’ensemble d’entraînement en utilisant ‘imshow()’.
 Remodeler les données des deux ensembles (test et train) pour qu’ils correspondent
auxattentes de ‘Keras’ (reshape()).

2018/2019 1/3
  Créer le modèle (Sequential()).
 Configurer le processus d’apprentissage en utilisant les trois fameux types
d’optimiseur (SGD, RMSProp, Adam).
 Entrainer le modèle (.fit())
 Evaluer le modèle (.evaluate()).
 Afficher la matrice de confusion.
 Afficher quelques images avec leurs étiquettes prédites et réelles.
 Afficher le rapport de la classification (classification_report()).

2018/2019 2/3