Mes projets IA & Data Science
Découvrez une sélection de projets où j'applique le machine learning, la vision par ordinateur et la data science à des problèmes concrets.
Classification de chants d'oiseaux par Deep Learning
🎓Développement from scratch de réseaux de neurones pour classifier automatiquement les chants de 5 espèces d'oiseaux à partir d'enregistrements audio au format WAV. Le projet explore différentes représentations spectrales (MFCC, Mel-spectrogramme) et architectures (MLP, CNN, CRNN) pour atteindre une accuracy de 78%.
Génération de musique classique par Deep Learning
🎓Développement from scratch de réseaux de neurones (Transformer, LSTM, GRU) pour générer automatiquement de nouveaux morceaux de musique classique au format MIDI. Le projet exploite un dataset de compositions de grands compositeurs pour apprendre la structure musicale et créer de nouvelles œuvres originales, avec une architecture Transformer comme modèle principal atteignant les meilleures performances.
License Plate Detection : Détection en Temps Réel de Plaques avec OpenCV
🎓Ce projet met en œuvre une solution complète de détection de plaques d’immatriculation à partir d’images ou de vidéos, combinant des techniques de vision par ordinateur avec un modèle d’apprentissage entraîné par nos soins. Il fonctionne en temps réel, aussi bien sur des vidéos pré-enregistrées que via une caméra live.
NLP Clustering : Analyse et Regroupement d’Hymnes Nationaux
💼Ce projet propose une approche NLP pour analyser et regrouper les hymnes nationaux en clusters thématiques ou stylistiques, via une vectorisation TF-IDF et des techniques de clustering (KMeans, hiérarchique). L’objectif est de mieux comprendre les similarités textuelles à l’échelle mondiale.
Analyse Exploratoire Pokémon (EDA MP-24-25)
💼Ce projet a pour objectif de réaliser une analyse exploratoire des données (EDA) sur le dataset Pokémon MP-24-25.csv. Il sert de base aux projets supervisés suivants et vise à détecter les incohérences, nettoyer les données, et préparer des variables pour de futures analyses.
Reinforcement Learning : Entraînement d’un Agent DQN sur CartPole
🎓Ce projet met en œuvre un algorithme d’apprentissage par renforcement pour entraîner un agent à résoudre l’environnement CartPole-v1 à l’aide d’un Deep Q-Network (DQN). L’agent apprend à équilibrer un bâton posé sur un chariot en déplaçant celui-ci à gauche ou à droite, en maximisant sa durée de survie.
Retail Analytics : Prédiction des Ventes et Optimisation des Stocks
🎓Ce projet applique des techniques de machine learning pour prédire le volume de ventes (Units Sold) et proposer une extension vers la prédiction du niveau de stock futur, en fonction de multiples facteurs externes (promotions, saisonnalité, conditions météo, prix concurrentiels...).
Supervised ML : Régression et Classification sur les Pokémon (MP-24-25)
💼Ce projet met en œuvre plusieurs algorithmes de machine learning supervisé sur le dataset Pokémon MP-24-25 pour deux tâches principales : - 🔢 Régression : prédiction des HP à partir d'autres caractéristiques - 🏷️ Classification : prédiction du status (Légendaire ou non) et du type_1
... et bien d'autres