Vittascience et IA

Tutoriel sur le site Vittascience et sur l'IA

https://fr.vittascience.com/

La création de ce tutoriel a consisté principalement à mettre par écrit les informations présentées dans la vidéo de VittaScience.

https://www.youtube.com/watch?v=EDtvcOl_PhA

Entrainer une IA à reconnaitre des images

1. Aller sur le site vittascience
2. dans la barre en haut, cliquer sur IA
3. Cliquer sur Images

Objectif

• Acquérir des compétences pratiques en manipulation d'outils d'IA éducatifs.
• Comprendre le concept de "jeu de données" (images d'entraînement et de test) pour l'apprentissage d'une IA.

Définition

Qu'est-ce qu'un jeu de données : c'est une GRANDE collection de photos, on dit qu'elles sont étiquetées, c'est-à-dire qu'on dit à l'ordinateur ce qu'il y a sur chaque photo, ceci est un carré, ceci est un rond, ceci est un chat etc, l'ordinateur utilise ce jeu de données pour apprendre à identifier les caractéristiques de chaque catégorie et pour ensuite reconnaitre de nouvelles photos qu'il n'a jamais vues ?

Etape 1

Permettre de comprendre le principe d'un jeu de données :
les données peuvent être :

                 * des images téléchargées depuis votre ordinateur 
                 * Des captures d'images depuis la caméra de votre ordinateur 
                 * des images présentes dans la banque de vittascience

Pour qu'un modèle apprenne à catégoriser une information, il lui faut au minimum 2 catégories. Nous allons en créer 2 (à gauche de l'écran) cliquer sur l'image pour l'emplacement des étapes :

ROND

CARRÉ

Puis, nous allons commencer à capturer des images (à travers la caméra de votre ordinateur ou, à défaut, en les récupérant sur votre ordinateur).

Pour qu'un modèle soit efficace, il lui faut une grande quantité d'images dans chaque catégorie.

Placez un post-it avec un rond dessiné dessus dans la zone visible par la caméra, puis cliquez sur le bouton "prendre une photo" et capturez ensuite entre 10 et 15 photos de ronds. Ils peuvent être dessinés avec plusieurs feutres, découpés dans une autre forme. Il faut varier les types de ronds pour que notre modèle soit efficace à reconnaître les ronds qu'il ne connaît pas.

Refaites la même opération dans la deuxième catégorie, mais avec des carrés.

Etape 2

Maintenant que nous avons notre jeu de données et qu'il contient suffisamment de données pour qu'il puisse faire des prédictions cliquer sur le bouton "entrainer le modèle " (au centre de l'écran).

Etape 3

Placez un nouvel objet ( il faut le dessiner sur post-it, par exemple) dans la zone visible par la caméra et observez le pourcentage de prédiction (à droite de l'écran). Plus le pourcentage est élevé, plus le modèle est précis.

Cliquer sur le bouton 'Zones d’influence’ et montrer à nouveau des objets à la caméra. Les zones de l’image en surbrillance correspondent à celles qui sont les plus déterminantes dans les prédictions de l’IA.

Conclusion

En réalisant ces manipulations, vous avez pu :

Acquérir des compétences pratiques en manipulation d'outils d'IA éducatifs. Vous avez interagi avec l'interface de VittaScience pour créer des catégories, capturer des images via votre webcam ou depuis votre ordinateur, et lancer l'entraînement d'un modèle d'IA. Cette expérience vous a permis de découvrir comment des outils en ligne peuvent simplifier l'approche de concepts complexes de l'IA.

Comprendre le concept de "jeu de données" (images d'entraînement et de test) pour l'apprentissage d'une IA. En constituant vos propres collections d'images de ronds et de carrés, vous avez créé un jeu de données d'entraînement. Ces images étiquetées ont servi de base à l'apprentissage de votre modèle. Lorsque vous avez ensuite testé le modèle avec de nouvelles images, vous avez indirectement utilisé un jeu de données de test (la nouvelle image soumise à la prédiction). Vous avez ainsi visualisé l'importance d'avoir des données variées et en quantité suffisante pour entraîner efficacement une IA et lui permettre de généraliser sa reconnaissance à des images inconnues.