{"id":215,"date":"2023-11-30T16:31:53","date_gmt":"2023-11-30T16:31:53","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/chapter\/hands-on-machine-learning\/"},"modified":"2024-01-31T11:52:04","modified_gmt":"2024-01-31T11:52:04","slug":"hands-on-machine-learning","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/chapter\/hands-on-machine-learning\/","title":{"raw":"Travaux pratiques en apprentissage automatique","rendered":"Travaux pratiques en apprentissage automatique"},"content":{"raw":"

Cette activit\u00e9 est adapt\u00e9e d'activit\u00e9s cr\u00e9\u00e9es par Codeweek et plac\u00e9es sous licence Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)<\/a>. Vous pouvez trouver la liste originale des activit\u00e9s<\/a> sur leur site web. Les deux ensembles de donn\u00e9es utilis\u00e9s, l'ensemble de donn\u00e9es de formation initiale et l'ensemble de donn\u00e9es de test, ont \u00e9galement \u00e9t\u00e9 cr\u00e9\u00e9s par eux.<\/p>\n

Nous utiliserons la Teachable Machine<\/em> de Google<\/a> pour entra\u00eener une machine \u00e0 classer une image comme \u00e9tant un v\u00e9lo ou une moto. Pour r\u00e9sumer, une application de ML doit \u00eatre entra\u00een\u00e9e et test\u00e9e avant de pouvoir \u00eatre utilis\u00e9e. Nous rassemblerons et regrouperons des exemples d'images des cat\u00e9gories que la machine classera, nous entra\u00eenerons le mod\u00e8le et nous testerons s'il classe correctement un ensemble d'exemples d'images.<\/p>\n\"\"\n

\u00c9tape 1 : Rassembler et regrouper les exemples d'images<\/h3>\n
    \n \t
  1. T\u00e9l\u00e9chargez les images de bicyclettes que vous trouverez ici<\/a><\/li>\n \t
  2. Si n\u00e9cessaire, extrayez le contenu du dossier zip dans un dossier local de votre ordinateur. Ce dossier sera utilis\u00e9 comme ensemble d'entra\u00eenement pour l'application d'apprentissage automatique.<\/li>\n \t
  3. T\u00e9l\u00e9chargez les images de motos trouv\u00e9es ici<\/a>.<\/li>\n \t
  4. Si n\u00e9cessaire, extrayez le contenu du dossier zip dans un dossier local de votre ordinateur. Ce dossier sera \u00e9galement utilis\u00e9 comme ensemble d'entra\u00eenement pour l'application d'apprentissage automatique.<\/li>\n \t
  5. T\u00e9l\u00e9chargez toutes les images trouv\u00e9es ici<\/a>.<\/li>\n \t
  6. Si n\u00e9cessaire, extrayez le contenu du dossier zip dans un dossier local de votre ordinateur. Ce dossier servira d'ensemble de donn\u00e9es de test.<\/li>\n \t
  7. Cliquez sur Google's Teachable Machine<\/a> et s\u00e9lectionnez Image Project > Standard Image Model<\/strong>.<\/li>\n \t
  8. Sous Class 1, cliquez sur upload > Choose images from your files >. <\/strong>Ouvrez le dossier des images de bicyclettes que vous avez cr\u00e9\u00e9es aux \u00e9tapes 1 et 2 et importez toutes les images qui y sont stock\u00e9es.<\/li>\n \t
  9. Sous Class 2, cliquez sur upload > Choose images from your files ><\/strong> Ouvrez le dossier d'images de motos que vous avez cr\u00e9\u00e9 aux \u00e9tapes 3 et 4 et importez toutes les images qui y sont stock\u00e9es.<\/li>\n<\/ol>\n

    \u00c9tape 2 : Entra\u00eenement du mod\u00e8le<\/h3>\nSous Entrainement, cliquez sur Entrainer le mod\u00e8le<\/strong>. Le mod\u00e8le apprend \u00e0 classer les bicyclettes et les motos. Attendez que le message \"Mod\u00e8le cr\u00e9\u00e9\"<\/strong> apparaisse.\n\nNotez qu'il n'est pas n\u00e9cessaire de s\u00e9lectionner et de saisir manuellement les caract\u00e9ristiques des bicyclettes et des motos. L'algorithme sait comment trouver ses propres caract\u00e9ristiques \u00e0 partir des images !\n\n[caption id=\"attachment_214\" align=\"aligncenter\" width=\"1024\"]\"\" Source : Google's Teachable machine[\/caption]\n

    \u00c9tape 3 : Tester le mod\u00e8le<\/h3>\n
      \n \t
    1. Sous Aper\u00e7u, cliquez sur la fl\u00e8che pr\u00e8s de la webcam<\/strong> et changez l'entr\u00e9e en Fichier<\/strong>.<\/li>\n \t
    2. Cliquez sur Choisir des images dans vos fichiers<\/strong> et choisissez une image test que vous avez enregistr\u00e9e aux \u00e9tapes 5 et 6.<\/li>\n \t
    3. Faites d\u00e9filer vers le bas et v\u00e9rifiez la sortie.<\/li>\n \t
    4. Vous pouvez r\u00e9p\u00e9ter l'op\u00e9ration avec d'autres images pour comparer les performances.<\/li>\n<\/ol>\n

      Si une image est utilis\u00e9e pour entra\u00eener un classificateur, la machine aura d\u00e9j\u00e0 enregistr\u00e9 l'\u00e9tiquette correspondante pour l'image en question. Le fait de montrer cette image \u00e0 la machine pendant la phase de test ne permettra pas de mesurer la capacit\u00e9 de g\u00e9n\u00e9ralisation du mod\u00e8le. C'est pourquoi vos ensembles de donn\u00e9es de test et d'entra\u00eenement doivent \u00eatre diff\u00e9rents l'un de l'autre.<\/p>\n

      Remarque :<\/strong> vous pouvez \u00e9galement t\u00e9l\u00e9charger vos propres images pour l'entra\u00eenement et le test. Voici une bonne source d'images gratuites.<\/p>\n ","rendered":"

      Cette activit\u00e9 est adapt\u00e9e d’activit\u00e9s cr\u00e9\u00e9es par Codeweek et plac\u00e9es sous licence Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)<\/a>. Vous pouvez trouver la liste originale des activit\u00e9s<\/a> sur leur site web. Les deux ensembles de donn\u00e9es utilis\u00e9s, l’ensemble de donn\u00e9es de formation initiale et l’ensemble de donn\u00e9es de test, ont \u00e9galement \u00e9t\u00e9 cr\u00e9\u00e9s par eux.<\/p>\n

      Nous utiliserons la Teachable Machine<\/em> de Google<\/a> pour entra\u00eener une machine \u00e0 classer une image comme \u00e9tant un v\u00e9lo ou une moto. Pour r\u00e9sumer, une application de ML doit \u00eatre entra\u00een\u00e9e et test\u00e9e avant de pouvoir \u00eatre utilis\u00e9e. Nous rassemblerons et regrouperons des exemples d’images des cat\u00e9gories que la machine classera, nous entra\u00eenerons le mod\u00e8le et nous testerons s’il classe correctement un ensemble d’exemples d’images.<\/p>\n

      \"\"<\/p>\n

      \u00c9tape 1 : Rassembler et regrouper les exemples d’images<\/h3>\n
        \n
      1. T\u00e9l\u00e9chargez les images de bicyclettes que vous trouverez ici<\/a><\/li>\n
      2. Si n\u00e9cessaire, extrayez le contenu du dossier zip dans un dossier local de votre ordinateur. Ce dossier sera utilis\u00e9 comme ensemble d’entra\u00eenement pour l’application d’apprentissage automatique.<\/li>\n
      3. T\u00e9l\u00e9chargez les images de motos trouv\u00e9es ici<\/a>.<\/li>\n
      4. Si n\u00e9cessaire, extrayez le contenu du dossier zip dans un dossier local de votre ordinateur. Ce dossier sera \u00e9galement utilis\u00e9 comme ensemble d’entra\u00eenement pour l’application d’apprentissage automatique.<\/li>\n
      5. T\u00e9l\u00e9chargez toutes les images trouv\u00e9es ici<\/a>.<\/li>\n
      6. Si n\u00e9cessaire, extrayez le contenu du dossier zip dans un dossier local de votre ordinateur. Ce dossier servira d’ensemble de donn\u00e9es de test.<\/li>\n
      7. Cliquez sur Google’s Teachable Machine<\/a> et s\u00e9lectionnez Image Project > Standard Image Model<\/strong>.<\/li>\n
      8. Sous Class 1, cliquez sur upload > Choose images from your files >. <\/strong>Ouvrez le dossier des images de bicyclettes que vous avez cr\u00e9\u00e9es aux \u00e9tapes 1 et 2 et importez toutes les images qui y sont stock\u00e9es.<\/li>\n
      9. Sous Class 2, cliquez sur upload > Choose images from your files ><\/strong> Ouvrez le dossier d’images de motos que vous avez cr\u00e9\u00e9 aux \u00e9tapes 3 et 4 et importez toutes les images qui y sont stock\u00e9es.<\/li>\n<\/ol>\n

        \u00c9tape 2 : Entra\u00eenement du mod\u00e8le<\/h3>\n

        Sous Entrainement, cliquez sur Entrainer le mod\u00e8le<\/strong>. Le mod\u00e8le apprend \u00e0 classer les bicyclettes et les motos. Attendez que le message \u00ab\u00a0Mod\u00e8le cr\u00e9\u00e9\u00a0\u00bb<\/strong> apparaisse.<\/p>\n

        Notez qu’il n’est pas n\u00e9cessaire de s\u00e9lectionner et de saisir manuellement les caract\u00e9ristiques des bicyclettes et des motos. L’algorithme sait comment trouver ses propres caract\u00e9ristiques \u00e0 partir des images !<\/p>\n

        \"\"
        Source : Google’s Teachable machine<\/figcaption><\/figure>\n

        \u00c9tape 3 : Tester le mod\u00e8le<\/h3>\n
          \n
        1. Sous Aper\u00e7u, cliquez sur la fl\u00e8che pr\u00e8s de la webcam<\/strong> et changez l’entr\u00e9e en Fichier<\/strong>.<\/li>\n
        2. Cliquez sur Choisir des images dans vos fichiers<\/strong> et choisissez une image test que vous avez enregistr\u00e9e aux \u00e9tapes 5 et 6.<\/li>\n
        3. Faites d\u00e9filer vers le bas et v\u00e9rifiez la sortie.<\/li>\n
        4. Vous pouvez r\u00e9p\u00e9ter l’op\u00e9ration avec d’autres images pour comparer les performances.<\/li>\n<\/ol>\n

          Si une image est utilis\u00e9e pour entra\u00eener un classificateur, la machine aura d\u00e9j\u00e0 enregistr\u00e9 l’\u00e9tiquette correspondante pour l’image en question. Le fait de montrer cette image \u00e0 la machine pendant la phase de test ne permettra pas de mesurer la capacit\u00e9 de g\u00e9n\u00e9ralisation du mod\u00e8le. C’est pourquoi vos ensembles de donn\u00e9es de test et d’entra\u00eenement doivent \u00eatre diff\u00e9rents l’un de l’autre.<\/p>\n

          Remarque :<\/strong> vous pouvez \u00e9galement t\u00e9l\u00e9charger vos propres images pour l’entra\u00eenement et le test. Voici une bonne source d’images gratuites.<\/p>\n

           <\/p>\n","protected":false},"author":1,"menu_order":8,"template":"","meta":{"pb_show_title":"","pb_short_title":"","pb_subtitle":"","pb_authors":[],"pb_section_license":""},"chapter-type":[49],"contributor":[],"license":[],"part":195,"_links":{"self":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/215"}],"collection":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters"}],"about":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/types\/chapter"}],"author":[{"embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/215\/revisions"}],"predecessor-version":[{"id":216,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/215\/revisions\/216"}],"part":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/parts\/195"}],"metadata":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapters\/215\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/media?parent=215"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/pressbooks\/v2\/chapter-type?post=215"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/contributor?post=215"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/iapourlesenseignants\/wp-json\/wp\/v2\/license?post=215"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}