D

deep-learning

Ce projet porte sur la conception d'une application de Computer Vision capable d'estimer l'âge d'une personne à partir d'une photographie.

L'objectif est d'explorer l'utilisation du Deep Learning appliqué aux images et de construire une chaîne allant du prétraitement des images jusqu'à l'inférence du modèle dans une application.

Travaux réalisés :

Préparation et organisation du dataset d'images. Prétraitement et normalisation des images. Mise en place du pipeline de préparation des données. Expérimentation d'une architecture de Deep Learning pour la prédiction de l'âge. Entraînement du modèle sur les données préparées. Évaluation des performances du modèle. Intégration du modèle dans une application permettant de réaliser une prédiction à partir d'une photographie.

Ce projet porte sur le développement d'un modèle de scoring bancaire destiné à prédire le risque associé à une demande de crédit à partir des données historiques de prêts du dataset Lending Club.

L'objectif est de construire une chaîne complète de Data Science, allant de l'analyse et de la préparation des données jusqu'à la modélisation prédictive et l'évaluation des performances.

Travaux réalisés :

Analyse exploratoire du dataset et étude des différentes variables disponibles. Nettoyage et préparation des données. Traitement des valeurs manquantes et des variables catégorielles. Sélection et transformation des variables pertinentes. Réalisation de Feature Engineering afin de construire des variables adaptées à la prédiction. Préparation des jeux de données pour l'entraînement et l'évaluation. Expérimentation de différents modèles de Machine Learning. Expérimentation d'un modèle de Deep Learning avec TensorFlow Évaluation des modèles à l'aide de métriques de classification. Analyse comparative des performances afin d'identifier l'approche la plus pertinente

The AI and the Automobile collection brings together multiple specifications that define how AI integrates into modern vehicle systems, treating the automobile as a software-defined platform where intelligence spans perception, control, navigation, and energy management. It emphasizes real-time performance, safety-critical architecture, and the transition from purely mechanical systems to continuously evolving software-driven mobility. Across the collection, the specs also describe how automotive AI should be built through open and interoperable systems with strong safety practices, including simulation, validation pipelines, and human-in-the-loop oversight to handle edge cases. Together, they frame vehicle intelligence as a layered system combining autonomy, redundancy, diagnostics, and secure update mechanisms to enable reliable and scalable deployment. https://roxanneardary.com/ai-and-the-automobile/

Bu proje, kapalı ve siyah hazneli bir geri dönüşüm kutusunda atıkları otomatik sınıflandıran bir derin öğrenme modeli geliştirmek için hazırlanmıştır. Hedef sınıflar: plastik, cam, kağıt, metal, karton ve çöp.

Photo-realistic single-image super-resolution (SRGAN, x4) in TensorFlow/TensorLayer — refactored OO training/evaluation pipeline with research experiment branches.

IF-Net fork + complete preprocessed ShapeNet archive (tar.xz bundles via git LFS). ShapeNet derivatives: non-commercial research use only.

PyTorch reimplementation of CheXNet: multi-label classification and CAM/Grad-CAM localization of 14 thoracic diseases on ChestX-ray14, with full-resolution (1024px) ResNet50 training.

Academic NLP project focused on multilingual text summarization using Transformer-based deep learning models and natural language processing techniques.

Intelligent VRAM/RAM swapping for LLM inference - Extension of KVortex | Offloading intelligent VRAM/RAM pour l'inference

https://ayinedjimi-consultants.fr

Automated LLM Benchmarking on GPU - tokens/sec, latency percentiles, VRAM profiling, multi-format support (HuggingFace, GGUF, GPTQ)

https://ayinedjimi-consultants.fr

VRAM to RAM Offloader for AI and vLLM - High-Performance C++23 KV Cache Engine with Multi-Stream GPU Transfers

https://ayinedjimi-consultants.fr

LLM quantization & benchmarking on GPU - GGUF, GPTQ, AWQ, bitsandbytes | Quantification et benchmark de modeles LLM sur GPU

https://ayinedjimi-consultants.fr

GPU-accelerated embedding server for RAG systems - CUDA, FastAPI, sentence-transformers | Serveur d'embeddings GPU ultra-rapide

https://ayinedjimi-consultants.fr

Deep learning system for seismic velocity inversion using a SincNet-GAT-UNet architecture, physics-informed temporal encoding, graph attention fusion, and FiLM-conditioned spatial prediction

Introduction to classification using machine learning and deep learning (PyTorch, TensorFlow, Keras)

Projet pédagogique en algorithmie et intelligence artificielle consistant à créer un agent (Kevin) capable de résoudre un labyrinthe.

Le projet explore plusieurs approches :

Génération de labyrinthes (DFS, Prim) Algorithmes de recherche de chemin (A*, Dijkstra) Apprentissage supervisé (Imitation Learning avec CNN) Apprentissage par renforcement (Deep Q-Network)

Des outils de visualisation permettent de générer des images et des GIFs montrant Kevin se déplacer dans le labyrinthe.

Projet réalisé dans le cadre de la formation Développeur en Intelligence Artificielle (Simplon).

对不同尺寸的交通信号灯图片做红黄绿分类