Nom : Kit d'Expérimentation Avancé
Tranche d'âge conseillée : Classes de la 10e à la 12e année
Présentation du produit : Le Kit d'Expérimentation Avancé se caractérise par une conception intégrée et est développé sur la base du système Linux, offrant une expérience prête à l'emploi. Il prend en charge l'apprentissage de l'intelligence artificielle, le traitement et l'analyse de données, ainsi que la gestion des données. Équipé d'une riche gamme de modules capteurs incluant la lumière, la température et l'humidité, l'infrarouge, les ultrasons et les potentiomètres, il supporte également des périphériques externes tels que les servomoteurs, les afficheurs à sept segments et les modules d'affichage LCD, permettant un contrôle matériel flexible et des scénarios expérimentaux variés.
Présentation du cours : Le programme d'accompagnement offre un parcours d'apprentissage complet, allant des fondamentaux de la programmation Python aux applications de l'intelligence artificielle. Au stade débutant, les élèves commencent par la syntaxe Python et des expériences matérielles de base, réalisant des projets pratiques tels que le contrôle de servomoteurs, des systèmes d'alarme infrarouge, la détection lumineuse et la surveillance de la température et de l'humidité. Au stade intermédiaire, ils progressent vers la mesure de distance par ultrasons, la communication IoT, le web scraping, le traitement et la visualisation de données, développant des compétences en analyse de données et en développement d'applications réseau. Au stade avancé, les élèves approfondissent l'apprentissage automatique et l'apprentissage profond, explorant scikit-learn et les réseaux de neurones pour construire des projets comme la reconnaissance vocale, la reconnaissance faciale, la reconnaissance de chiffres manuscrits et la prédiction publicitaire, aboutissant finalement à une intégration transparente des technologies IA et IoT.
Catalogue des Cours
| N° | Nom du Cours | N° | Nom du Cours |
| Leçon 1 | Syntaxe de Base de Python | Leçon 20 | Bases de Python : Numpy |
| Leçon 2 | Opérateurs en Python | Leçon 21 | Bases de Python : Pandas |
| Leçon 3 | Conditions et Boucles | Leçon 22 | Bases de Python : Visualisation de Données |
| Leçon 4 | Chaînes de Caractères et Listes | Leçon 23 | Bases de Python : Robot d'Indexation Web |
| Leçon 5 | Dictionnaires | Leçon 24 | Connaissances de Base en Apprentissage Automatique |
| Leçon 6 | Application des Fonctions | Leçon 25 | Bibliothèque scikit-learn |
| Leçon 7 | Traitement des Fichiers | Leçon 26 | Algorithme de Régression Linéaire |
| Leçon 8 | Expérience avec LED | Leçon 27 | Arbre de Décision |
| Leçon 9 | Expérience avec Bouton | Leçon 28 | Algorithme des K Plus Proches Voisins (KNN) |
| Leçon 10 | Expérience avec Servomoteur | Leçon 29 | Regroupement par les K-moyennes |
| Leçon 11 | Expérience d'Alarme Infrarouge | Leçon 30 | Reconnaissance Vocale |
| Leçon 12 | Expérience avec Capteur de Lumière | Leçon 31 | Application de Reconnaissance d'Image |
| Leçon 13 | Expérience avec Capteur de Température et d'Humidité | Leçon 32 | Application de Reconnaissance Faciale |
| Leçon 14 | Expérience avec Potentiomètre | Leçon 33 | Application de Reconnaissance de Texte |
| Leçon 15 | Expérience avec Ultrasons | Leçon 34 | Réseaux de Neurones et Apprentissage Profond |
| Leçon 16 | Expérience avec Afficheur Numérique | Leçon 35 | Réseaux de Neurones et Apprentissage Automatique : Générateur de Poésie Ancienne |
| Leçon 17 | Expérience avec Écran Matriciel | Leçon 36 | Réseaux de Neurones et Apprentissage Automatique : Prédiction Publicitaire |
| Leçon 18 | Expérience Internet des Objets (IoT) | Leçon 37 | Réseaux de Neurones et Apprentissage Automatique : Reconnaissance de Gestes |
| Leçon 19 | Expérience Internet | Leçon 38 | Réseaux de Neurones et Apprentissage Automatique : Reconnaissance de Chiffres Manuscrits |
| Leçon 39 | Réseaux de Neurones et Apprentissage Automatique : Regroupement d'Images |