Université de Tlemcen - Faculté de Technologie
Département GEE - Filière Automatique - Master 2

Projets d'Intelligence Artificielle

Module IA901 - Éléments d'IA Appliquée
Encadré par Dr. Handouzi Wahida

🎯 Guide de Sélection des Projets

Niveau Débutant

Pour les étudiants qui :

  • Débutent en Python et ML
  • Veulent des projets guidés
  • Recherchent des datasets simples
  • Visent une première expérience IA

Niveau Intermédiaire

Pour les étudiants qui :

  • Maîtrisent Python et librairies ML
  • Veulent des défis techniques
  • Recherchent l'innovation
  • Visent l'excellence technique
Débutant
🎬

Système de Recommandation de Films

Créez votre propre "Netflix maison" qui suggère des films similaires basé sur les préférences utilisateur.

Concepts IA Utilisés

  • Similarité cosinus (Chapitre 2)
  • Manipulation données avec Pandas
  • K-plus proches voisins
  • Visualisation Matplotlib
Python Pandas Scikit-learn Matplotlib
Dataset : MovieLens (films et notations)
"On utilise les maths pour calculer la similarité entre films, le machine learning pour trouver les voisins similaires, et la visualisation pour montrer les résultats."
Débutant
📰

Détecteur de Fausses Nouvelles

Développez un système qui analyse la crédibilité d'articles news en utilisant le traitement de langage naturel.

Concepts IA Utilisés

  • TF-IDF pour texte (Chapitre 2)
  • Classification Naïve Bayes
  • Métriques précision/rappel
  • NLTK pour traitement texte
Python NLTK Scikit-learn Pandas
Dataset : News Categories Dataset
"Le TF-IDF nous permet de quantifier l'importance des mots, la classification catégorise vrai/faux, et les métriques évaluent la performance."
Débutant
🎵

Classificateur de Musique par Genre

Reconnaissez automatiquement le genre musical à partir des caractéristiques audio des morceaux.

Concepts IA Utilisés

  • Analyse statistique features audio
  • SVM pour classification
  • Matrice de confusion
  • Feature engineering
Python Librosa Scikit-learn Seaborn
Dataset : GTZAN Genre Collection
"L'analyse statistique extrait les patterns, SVM classe les genres, et la matrice de confusion montre où le modèle se trompe."
Intermédiaire
🏥

Diagnostic Médical Assisté

Aidez au diagnostic précoce de diabète à partir de données patients avec interprétabilité des résultats.

Concepts IA Utilisés

  • Feature engineering (Chapitre 3)
  • Arbres de décision + Random Forest
  • Clustering patients similaires
  • Interprétabilité modèle
Python Scikit-learn SHAP Matplotlib
Dataset : Pima Indians Diabetes
"Les arbres de décision offrent de l'interprétabilité médicale, le clustering découvre des profils patients, et l'engineering améliore les features."
Intermédiaire
💳

Détection de Fraudes Bancaires

Identifiez les transactions suspectes en temps réel avec des algorithmes de détection d'anomalies.

Concepts IA Utilisés

  • DBSCAN pour anomalies (Chapitre 5)
  • Classification déséquilibrée
  • SVM avec noyaux
  • Validation croisée
Python Scikit-learn Imbalanced-learn Seaborn
Dataset : Credit Card Fraud Detection
"DBSCAN détecte les outliers naturellement, SVM gère les non-linéarités, et la validation croisée assure la robustesse."
Intermédiaire
🖼️

Reconnaissance de Chiffres Manuscrits

Développez un système capable de lire et classifier des chiffres écrits à la main comme les codes postaux.

Concepts IA Utilisés

  • Réseaux de neurones simples (Chapitre 6)
  • Preprocessing images
  • CNN basique
  • Évaluation multiclasse
Python TensorFlow/Keras OpenCV Matplotlib
Dataset : MNIST
"Les CNN sont optimaux pour les images, le preprocessing améliore la qualité, et l'évaluation multiclasse mesure la performance globale."
Intermédiaire
😊

Analyseur de Sentiments Twitter

Analysez l'opinion publique en détectant automatiquement les émotions dans les tweets.

Concepts IA Utilisés

  • Word embeddings simples
  • RNN/LSTM basique
  • Classification sentiments
  • Traitement langage naturel
Python TensorFlow NLTK Transformers
Dataset : Twitter Sentiment Analysis
"Les RNN capturent le contexte temporel du texte, les embeddings représentent la sémantique, et la classification identifie les émotions."
Intermédiaire
🏭

Détection d'Anomalies Industrielles

Surveillez l'état de machines industrielles et détectez les défaillances avant qu'elles ne surviennent.

Concepts IA Utilisés

  • Autoencodeurs simples
  • Détection outliers
  • Séries temporelles
  • Visualisation anomalies
Python TensorFlow Scikit-learn Plotly
Dataset : NASA Bearings Dataset
"Les autoencodeurs apprennent la distribution normale et détectent les déviations, crucial pour la maintenance prédictive."

Université de Tlemcen - Faculté de Technologie - Département GEE

Master 2 Automatique - Module IA901 - Éléments d'IA Appliquée - Année 2025

Encadré par Dr. Handouzi Wahida - Sélectionnez un projet selon votre niveau et intérêts