Outils Incontournables pour les projets IA 

0.1 - Introduction à Linux

0.2 - Installation et Premiers Pas Linux

0.3 - Ligne de Commande Essentielle Linux

0.4 - Linux et Intelligence Artificielle

Quiz du Module 0 - Partie 1

Quiz du Module 0 - Partie 2

1.1 - Système de Contrôle de Version

1.2 - Installation de Git

1.3 - Créer un compte GitHub

1.4 - Configuration de Git

1.5 - Git Workflow & Commandes

1.6 - Git Workflow - Premier Exercice

1.7 - Merge vs Rebase - Étude de Cas

1.8 - Git Squash

1.9 - Git Reset

1.10 - Git Reset - Exercice Pratique

1.11 - Git Revert

1.12 - Git Ignore

1.13 - Git Diff

1.14 - Git Sync avec GitHub

1.15 - Git Branches

1.16 - Git Remote Branches

1.17 - Git Cherry-Pick

1.18 - Git Stash

1.19 - Git Cherry-Pick

1.20 - Git Tags

1.21 - Merge vs Rebase - Guide Décisionnel

1.22 - Exercices Git - Test Pratique

Quiz du Module 1

2.1 - Concepts de Conteneurisation

2.2 - Installation de Docker

2.3 - Créer un compte Docker Hub

2.4 - Configuration de Docker

2.5 - Docker Workflow & Commandes

2.6 - Docker - Premier Exercice

2.7 - Dockerfile - Concepts Fondamentaux

2.8 - Docker Compose

2.9 - Docker Compose

2.10 - Docker Networks

2.11 - Portainer - Interface Graphique Docker

2.12 - Docker en Production

Quiz du Module 2

3.1 - Introduction à Streamlit

3.2 - Streamlit - Les Bases

3.3 - Streamlit - Layouts et Organisation

3.4 - Streamlit - Widgets Interactifs

Quiz du Module 3

4.1 - Introduction à FastAPI

4.2 - FastAPI - Calculatrice API avec Swagger

4.3 - FastAPI - Intégration avec Streamlit

Quiz du Module 4

Fichiers MLflow

Workflow des pratiques

3.0 - Installation de MLflow sur une VM Ubuntu 22.04

3.1 - Exécution d'une première expérience MLflow

3.2 - Exécution d'une expérience MLflow avec un fichier requirements.txt

3.3 -Exécution d'une expérience MLflow avec set_tracking_uri et get_tracking_uri

3.4 - Exécution d'une expérience MLflow avec create_experiment

3.5 - Exécution d'une expérience MLflow avec active_run et last_active_run

3.6 - Exécution d'une expérience MLflow avec log_artifacts

3.7 - Utilisation de mlflow.set_tags dans une Expérience MLflow

3.8 - Lancer Plusieurs Exécutions avec MLflow

3.9 - Lancer Plusieurs Expériences avec MLflow

3.10 - Utilisation de mlflow.autolog avec MLflow

3.11 - Ajout d'une Base de Données et Stockage S3 avec MLflow

3.12 - Ajout de la Signature de Modèle et des Exemples d’Entrée dans MLflow

3.13 - Signature Automatique et Exemple d’Entrée avec infer_signature dans MLflow

3.14 - Définition Manuelle des Schémas et Exemples d’Entrée pour MLflow

3.15 - Enregistrement d’un Modèle Scikit-Learn dans MLflow avec Pyfunc

3.16 - Déploiement d’un Modèle Scikit-Learn avec Pyfunc et un Environnement Conda dans MLflow

3.17 - Déploiement et Chargement d’un Modèle Scikit-Learn avec MLflow

3.18 - Évaluation Automatisée d’un Modèle MLflow avec mlflow.evaluate

3.19 - Évaluation Avancée des Modèles MLflow avec des Métriques Personnalisées et Artefacts Visuels

3.20 - Évaluation Avancée des Modèles MLflow avec un Modèle de Base et des Seuils de Validation

3.21 - Enregistrement et Déploiement de Modèles avec MLflow API

3.22 - Suivi et Enregistrement d'un Modèle avec MLflow

3.23 - Suivi et Enregistrement d'un Modèle avec MLflow

3.24 - Enregistrement d'un Modèle Externe dans MLflow

3.25 - Enregistrement d'un Modèle ElasticNet dans MLflow

3.26 - ElasticNet Regression Project avec MLflow

3.27 - Exécution d'un Projet MLflow avec mlflow.projects.run()

3.28 - Commandes CLI Essentielles pour MLflow

3.29 - Commandes CLI Essentielles pour MLflow

3.30 - Guide des Commandes CLI MLflow

Devoir 1 - Linux - Mes Premiers Exercices - Version 1

Devoir 1 - Linux - Exercices pour Débutants - version 2

Devoir 2 - Linux - Mon Premier Problème à Résoudre

Devoir 3 - Linux – Mon premier projet final (100% terminal)

Devoir 1 - Gestion de Projet avec Git

Devoir 2 - Gestion de projet avec git

Devoir 3 - Gestion de Projet avec Git

Orientations

Devoir 1 - Exercices Docker Progressifs

Devoir 2 - Exercices Docker - Test Pratique version 1

Devoir 2 - Exercices Docker - Test Pratique - Version 2

Devoir 3 - Gestion de Projet avec Docker

Devoir 4 (AVANCÉ) - Maître Docker - Défi Ultime

Devoir 1 - Exercices Streamlit Progressifs

Devoir 2 - Exercices Streamlit - Test Pratique - Version 1

Devoir 2 - Exercices Streamlit - Test Pratique - Version 2

Devoir 1 - Exercices FastAPI Progressifs

Devoir 2 - FastAPI - Projet TensorFlow ML Complet

Création de Modèles de Machine Learning

Téléchargement des fichiers du chapitre 1

1.1 - Création d’une interface web interactive

1.2 - Apprendre les Layouts avec Streamlit

1.3 - Apprendre les Widgets avec Streamlit

1.4 - Récapitulatif des 3 pratiques

Quiz 1 : Contrôle des connaissances sur streamlit

1.5 - Introduction à YOLO : Détection, la Segmentation et le Tracking d'Objets (You Only Look Once)

Téléchargement des fichiers Yolo 7

Téléchargement des fichiers Yolo 8

1.6 - Démonstration YOLO 7 et YOLO 8

Fichiers du projet de fin du chapitre

1.7 - Projet de fin du chapitre - Développer une Application Web de Détection d'Objets avec Streamlit et YOLO

2.1 - Création d'une API de Calculatrice avec FastAPI et Swagger UI

2.2 - Création d'une Calculatrice Web avec Streamlit et FastAPI

2.3 - Développement d'une Application de Prédiction avec TensorFlow, FastAPI et Streamlit

0.4 - Exercices Linux Progressifs

0.5 - Exercices Linux - Test Pratique

0.6 - Linux - Résolution de Problèmes