Académique Documents
Professionnel Documents
Culture Documents
Faculté de Technologie
Département d'Electronique
Master Réseaux et Télécommunications (Master 2)
Module : Intelligence Artificielle
Binome :
Arrache Souad
Bourebaa Nadjet
Groupe 01
2023/2024
Objectif du Tp :
Introduction :
L'intelligence artificielle (IA) est une discipline en constante évolution qui joue un rôle de
plus en plus central dans la technologie et les applications modernes. Pour s'engager dans
des projets d'IA fructueux, il est essentiel de maîtriser deux aspects fondamentaux : la mise
en place de l'environnement de développement adéquat et la préparation soignée des
données.
Partie 1 : Python
Application anaconda
Lancer Anaconda Prompt (mode Administrateur avec un clic droit)
Une fois que nous avons lancé Anaconda Prompt en mode administrateur, nous pouvon
exécuter les commandes suivants
Cette commande crée un nouvel environnement Conda nommé "py39" avec Python 3.9.
Vous spécifiez le nom de l'environnement avec l'option -n et la version de Python que vous
souhaitez avec python=3.9
Cette commande met à jour le gestionnaire de packages Conda lui-même. Elle vérifie s'il
existe une nouvelle version de Conda, et si c'est le cas, elle la télécharge et l'installe pour
assurer que vous utilisez la dernière version.
conda update –all :
Cette commande met à jour tous les packages installés dans l'environnement Conda actif.
Elle vérifie s'il existe des mises à jour disponibles pour tous les packages et les met à jour.
activate py39 :
Cette commande active l'environnement Conda nommé "py39". Une fois activé, tous les
packages installés et les commandes exécutées seront spécifiques à cet environnement.
Cette commande installe le logiciel Spyder dans l'environnement Conda actif. Spyder est
un environnement de développement intégré (IDE) populaire pour la programmation en
Python.
conda install numpy scipy :
Cette commande installe les bibliothèques NumPy et SciPy dans l'environnement Conda
actif. Ces bibliothèques sont largement utilisées pour la manipulation de données et le calcul
scientifique en Python.
Cette commande installe la bibliothèque Keras dans l'environnement Conda actif. Keras est
une interface haut niveau pour créer et entraîner des réseaux de neurones.
Cette commande utilise pip (un gestionnaire de packages Python) pour installer la
bibliothèque Matplotlib, qui est couramment utilisée pour la création de graphiques et de
visualisations en Python.
Cette commande utilise pip pour installer la bibliothèque Pandas, qui est utilisée pour la
manipulation et l'analyse de données tabulaires en Python.
pip install sklearn :
Cette commande utilise pip pour installer scikit-learn, également connu sous le nom sklearn,
qui est une bibliothèque d'apprentissage automatique en Python.
Cette commande utilise pip pour installer la bibliothèque OpenCV, qui est utilisée pour la
vision par ordinateur et le traitement d'images en Python.
pip install nltk :
Cette commande utilise pip pour installer la bibliothèque NLTK (Natural Language
Toolkit), qui est largement utilisée pour le traitement du langage naturel en Python.
Cette commande utilise pip pour installer la bibliothèque Graphviz, qui est souvent utilisée
pour la création de graphes et de diagrammes.
Cette commande utilise pip pour installer la bibliothèque pydot, qui est utilisée pour la
création de graphes et de graphiques. Elle est souvent utilisée en conjonction avec Graphviz.
1er etape :
Resultat :
2eme etape :
il utilise la méthode to_excel pour sauvegarder "a1" dans un fichier Excel nommé
"file_1.xlsx" et "a2" dans un fichier Excel nommé "file_2.xlsx". L'option index=False
indique que l'index des lignes ne doit pas être inclus dans le fichier Excel généré.
Resultat :
Ce programme est utile pour charger, explorer et diviser des données contenues dans un
fichier Excel en deux ensembles distincts.
Partie 2 : jupyter
on Lancer jupyter notebook (mode Administrateur avec un clic droit) :
cette fenêtre sera afficher :
Puis on lancer l'exécution de la commande pip install jupyter :
Le résultat :
Conclusion :
En conclusion, l'intelligence artificielle (IA) jouant un rôle de plus en plus central dans les
technologies modernes. Pour mener à bien des projets d'IA, il est essentiel de maîtriser deux
aspects fondamentaux : la mise en place de l'environnement de développement approprié et la
préparation méticuleuse des données. Dans cette optique, des outils tels qu'Anaconda, Spyder
et Jupyter se révèlent cruciaux au sein de l'écosystème Python, en particulier pour les
professionnels de la science des données et de la programmation.
Spyder offre un environnement de développement spécifiquement conçu pour les
scientifiques des données, doté d'un éditeur de code, d'une console interactive et d'une
intégration aisée avec les bibliothèques scientifiques. De son côté, Jupyter propose des
notebooks interactifs qui fusionnent du code, du texte et des résultats, qui sont idéaux pour
l'exploration de données, la documentation et la collaboration. Le choix entre ces outils
dépendra largement de domaine d'application et de préférences en matière de développement
Python.