LuigiBKL's repositories

Language:Jupyter NotebookStargazers:0Issues:0Issues:0
Language:PythonStargazers:0Issues:0Issues:0
Language:Jupyter NotebookStargazers:0Issues:0Issues:0
Language:Jupyter NotebookStargazers:0Issues:0Issues:0

Classification-des-CV-avec-NLP

Embaucher les bons talents est un défi pour toutes les entreprises. Ce défi est amplifié par le volume élevé de candidats si l'entreprise est bien réputée. Dans une organisation de services typique, des professionnels possédant une variété de compétences techniques et d'expertise sont embauchés et affectés à des projets pour résoudre les problèmes des clients. En règle générale, les grandes entreprises n'ont pas assez de temps pour ouvrir chaque CV. L’idée du projet est d’utiliser des algorithmes d'apprentissage automatique pour la tâche de filtrage de CV.Le projet se fait en groupe de 2 personnes.Le code doit bien être structuré, avec des visualisations sur le jeux de données (affichage par catégories, affichages des mots les plus fréquents (wordcloud), etc), des explications sur le choix du modèle utilisé et finalement une évaluation de la performance du modèle.

Language:Jupyter NotebookStargazers:0Issues:0Issues:0

D-tecteur-des-motions-par-les-expressions-faciales

Contexte du projet Les expressions du visage peuvent naturellement servirent à évaluer la satisfaction d’un client aux prises avec un service après-vente ou à face à un produit récemment acquis dont il s’agit de comprendre le fonctionnement. On peut encore mentionner les applications suivantes : La détection d’un manque d’attention chez un conducteur en vue d’augmenter la sécurité de la conduite. L’évaluation du niveau de stress de passagers à l’atterrissage ou à l’arrivé en gare ou la détection de comportements suspects. L’humanisation des robots dans leurs interactions avec les humains dont ils prendraient en compte l’état psychique.Livrables - Un lien Github vers le code python de l'interface graphique. - Cette interface permet de reconnaitre l'émotion d'une personne à travers une image où bien une Webcam. - Elle permet aussi d'associer un emoji qui représente l'émotion de la personne dans l'image/vidéo - Finalement, elle va lui poser des questions si l'émotion est négative (ex. pourquoi es-tu triste, ...), si l'émotion est positive elle va la féliciter.

Language:Jupyter NotebookStargazers:0Issues:0Issues:0

dashboard_covid

Appli flask pour afficher un dashboard sur des données COVID Insee (importées depuis un csv)

Stargazers:0Issues:0Issues:0

Deep_and_Machine_Learning_Projects

This Repository contains the list of various Machine and Deep Learning related projects. Related code and data files are available inside this folder. One can go through these projects to implement them in real life for specific use cases.

Stargazers:0Issues:0Issues:0
Stargazers:0Issues:0Issues:0

Detectron2-Train-a-Instance-Segmentation-Model

Learn how to train a custom instance segmentation model with Detectron2

Stargazers:0Issues:0Issues:0

Distance_measurement_using_single_camera

using single camera to measure the distance opencv python,

Stargazers:0Issues:0Issues:0
Stargazers:0Issues:0Issues:0
Stargazers:0Issues:0Issues:0
Stargazers:0Issues:0Issues:0
Language:Jupyter NotebookStargazers:0Issues:0Issues:0
Language:Jupyter NotebookStargazers:0Issues:0Issues:0

Object-Detection-and-Image-Segmentation-with-Detectron2

Object Detection and Image Segmentation with Detectron2

License:MITStargazers:0Issues:0Issues:0

open_data_api

Api opendata avec utilisation de FastApi côté serveur

Stargazers:0Issues:0Issues:0

P32_medical_image_segmentation

CNN, U-Net, Semantic Segmentation

Language:Jupyter NotebookStargazers:0Issues:0Issues:0

POC_R

le jeu de données proposé est celui de vente de maisons sur Paris. Il est parfait pour faire un POC technologique, c'est à dire, utiliser R pour un modèle prédictif. Le but est donc de créer un modèle et de visualiser les résultats avec R via shiny pour vous faire une idée de ce que permet ce langage

Language:RStargazers:0Issues:0Issues:0

pylabel

Python library for computer vision labeling tasks. The core functionality is to translate bounding box annotations between different formats-for example, from coco to yolo.

License:MITStargazers:0Issues:0Issues:0
Language:Jupyter NotebookStargazers:0Issues:0Issues:0

samples

Notebooks and more to help you get started. Including the PyLabeler Jupyter based labeling tool.

License:MITStargazers:0Issues:0Issues:0
Language:Jupyter NotebookStargazers:0Issues:0Issues:0
Language:Jupyter NotebookStargazers:0Issues:0Issues:0
Stargazers:0Issues:0Issues:0
Language:CSSStargazers:0Issues:0Issues:0

Une-infra-dans-le-Cloud

Contexte du projet Vous devez mettre en place, pour votre équipe, une infrastructure. Le choix se porte sur AWS, car vous n'avez personne en interne avec les compétences requises pour déployer et maintenir une infrastructure physique. De plus, les services élastiques proposées par Amazon répondent au besoin de scalabilité de l'infra. L'infrastructure doit inclure une base PostgreSQL (sur RDS, donc) et une API proposant l'accès à cette base (sur EC2). Le fichier SQL servant à créer la base doit être sauvegardé sur S3. L'API est codée en Python, langage largement maîtrisé par les équipes.

Language:PythonStargazers:0Issues:0Issues:0
Stargazers:0Issues:0Issues:0