Département Génie Année Universitaire

Informatique 2021-2022

Responsables :
Intelligence Artificielle A. MAALEL
– 4 ème année – Mini Projet Intelligence Artificielle A.G. BLAIECH
F. SBIAA

Dans le cadre du mini projet en IA, vous êtes appelés à réaliser une application intelligente pour
la classification des images dans un domaine précis à titre d’exemple :
Médecine : Détection des tumeurs ou détection des mal-formations à partir d’une image
radiographique.
Panneaux de signalisation routière : classer une image selon le type de l’information
qu’elle porte.
Autre
L’objectif de cette application est de permettre aux utilisateurs de faire la prédiction selon une
image donnée. Pour ce faire, vous devez entretenir méticuleusement les points suivants :
A) Cherchez la bonne base de données à utiliser et décrire ses différentes caractéristiques,
B) En exploitant vos connaissances acquises lors des séances de Travaux Pratiques, réalisez
l’apprentissage de trois modèles différents :
2 algorithmes machine learning (au choix) et un réseau de neurones
C) Implémentation du projet :
1. Développez votre application en utilisant le langage de programmation python (le code
source doit être claire et bien commenté).
2. Introduire et justifier le choix de la base de données utilisée.
3. Choisir soigneusement les paramètres des machines learning utilisées.
4. Décrire l’architecture du réseau de neurones
5. Comparer les résultats obtenus
D) Une fois l’apprentissage est terminé, l’utilisateur sera capable d’introduire manuellement une
nouvelle image pour vérifier à quelle classe elle appartient.
F) Le travail à rendre doit être soumis (avant le 8/1/2022) sous forme d’un dossier .ZIP qui
contiendra obligatoirement :

- Le code de l’application ainsi que tout autre fichier indispensable pour son exécution.

- Un rapport (Word ou power point, max 5 pages) qui décrit les étapes de la réalisation
du projet : introduction générale, contexte et objectifs de l’application, présentation de la base de
données utilisée ainsi que ses caractéristiques, apprentissage automatique et présentation de
l’architecture des modèles développés, évaluation des résultats obtenus, conclusion générale et
perspectives...