Bonjour, et bienvenue sur mon site

Tu y trouveras tout ce dont tu as besoin pour préparer les épreuves de Sciences de l’Ingénieur (SI) et d’Informatique du Tronc Commun (ITC) en CPGE en première et en deuxième année.

Si tu y trouves ton bonheur, soutiens moi dans ma démarche consistant à payer un site et proposer tous les corrigés gratuitement et librement sans enregistrement et collecte de données. Pour cela, fais moi un don sur Revolut ou Paypal. Merci d’avance 😉

Attention: sur Revolut, les dons sont anonymes, alors faites moi un message privé en plus 😉

A bientôt

J’ai mis en ligne mon premier cours en vidéo sur la page IA, et ci-dessous.

Voici une vidéo de cours sur les réseaux de neurones basée sur le sujet de concours CCINP PSI 2024 Modélisation, mon TD 1-5 et ma présentation de cours. Elle vous permettra de comprendre comment un réseau de neurones fonctionne numériquement, comment l’entraîner par rétropropagation et descente de gradient, comment le programmer avec le langage Python, et comment ensuite utiliser le module scikit-learn pour programmer très simplement le vôtre. Pour bien suivre, il est mieux d’avoir des notions sur la dérivée et les matrices. Connaître le langage Python est un plus.

Vous le saviez, WindDriftMaster est désormais disponible gratuitement sur le Microsoft Store: Lien
Dans le cadre de sa mise à disposition, j’ai réalisé une vidéo de présentation générale à destination des membres de la Fédération Française Aéronautique (via l’actu FFA) et des lecteurs d’Info-Pilote (via leur site web).
WindDriftMaster est un outil pédagogique qui s’adresse aussi bien aux élèves-pilotes qu’aux pilotes confirmés et aux instructeurs souhaitant disposer d’un support visuel et interactif pour l’enseignement ou la révision des fondamentaux de la navigation aérienne sous l’effet du vent.
Des informations complémentaires, ainsi que des ressources associées, sont disponibles sur mon site : Lien

Bon visionnage.

Après le sujet consacré à la convolution par réseaux de neurones appliquée aux images, je vous propose de découvrir sur mon site trois nouveaux sujets (TD4, TD5 et TD7), que je viens de créer/remanier et finaliser :
TD5 – Comprendre le fonctionnement d’un réseau de neurones de A à Z : architecture, calculs internes, apprentissage. (Quelques bases scientifiques sont nécessaires.)

TD4 – Entraîner un réseau de neurones (avec le module scikit-learn) pour reconnaître une balle rouge sur fond blanc, puis extraire automatiquement le rouge d’une image quelconque afin de détecter une balle dans un contexte robotique.

TD7 – Utiliser un réseau de neurones (avec scikit-learn) pour interpoler une courbe quelconque définie par les coordonnées de ses points, dans le cadre de la résolution d’un mécanisme à quatre barres.

Tout est là: Lien

Bonne lecture !

Bonjour

Après mon TD d’IA sur la méthode de classification KNN (k plus proches voisins) disponible ici (TD 3-4 lien) et en lien direct ici (lien), j’ai développé un nouveau sujet de même structure permettant la classification 2D par réseau de neurones, disponible ici (TD 1-8 lien) et en lien direct ici (lien).

Ces deux TD sont construits sur la même base, seule la partie sur la classification change, ce qui permet de traiter les deux méthodes au programme facilement en obtenant de jolies images et une classification bien visible et concrète.

Bonne lecture !

🎓 Je viens de finaliser un petit sujet d’IA très sympa pour les enseignements de Sciences de l’Ingénieur et d’Informatique en CPGE

Dans ce TD, j’explore une idée amusante : 👉 détecter les contours d’une image… sans utiliser explicitement les nuances de gris, le Laplacien (convolution), ni la binarisation (noir et blanc).

À la place, un réseau de neurones (scikit-learn) apprend, à partir de milliers d’exemples aléatoires de petits patchs 3×3 en couleurs, à prédire si le pixel central doit être noir ou blanc dans l’image finale.

Autrement dit :
🧠➡️ L’IA recrée le comportement d’un filtre de convolution, uniquement par apprentissage.

📄 Le TD complet : LIEN

📝 Et la correction (avec explications) est disponible ici (TD1-6) : LIEN

Bonne lecture, et n’hésitez pas si vous souhaitez échanger sur le sujet !