Ce projet a pour objectif de développer un classificateur d'images capable de reconnaître des chiffres manuscrits en s'appuyant sur des techniques d'apprentissage supervisé. Le modèle est entraîné et évalué sur le jeu de données bien connu MNIST (Modified National Institute of Standards and Technology), qui contient 70 000 images de chiffres manuscrits de 0 à 9.
L'implémentation permet de charger, entraîner et tester un réseau de neurones pour la classification des images, avec une interface pour visualiser les performances du modèle.
- Compréhension de l'apprentissage supervisé : Apprendre les principes de base de l'apprentissage supervisé et de la classification d'images.
- Mise en pratique : Implémenter et entraîner un modèle pour résoudre le problème de classification sur le dataset MNIST.
- Optimisation des performances : Ajuster les hyperparamètres pour améliorer les résultats du modèle.
Ce mini projet a été réalisé suite à la lecture du livre Quand la machine apprend : La révolution des neurones artificiels et de l'apprentissage profond de Yann LeCun, un pionnier dans le domaine de l'apprentissage automatique et de l'intelligence artificielle.
EAN13 : 9782738149312
Le projet s'inspire également d'une vidéo pédagogique de la chaîne YouTube Samson Zhang, qui explique de manière claire et concise comment construire et entraîner un modèle sur le dataset MNIST.