Portfolio de projets de fin d'études en IA appliquée comprenant des CNN d'imagerie médicale et des pipelines de prédiction du diabète.
Explorez des projets d'apprentissage automatique appliqué, de CNN d'imagerie médicale et d'éthique de l'IA.
Ce dépôt rassemble des projets de fin d'études appliqués en science des données, apprentissage automatique et imagerie médicale. Il convient aux étudiants et aux développeurs qui étudient les réseaux de neurones pratiques et les pipelines de données.
Il fournit des dossiers de cours structurés contenant des notebooks Jupyter pour la détection de la pneumonie à l'aide de radiographies thoraciques, une analyse exploratoire des données sur des jeux de données de santé et des pipelines d'apprentissage automatique pour la prédiction du diabète. Chaque dossier contient des étapes numérotées, des explications sur les jeux de données et le code source.
Il convient aux apprenants qui explorent l'apprentissage profond appliqué et la science des données de santé. Il ne convient pas aux équipes recherchant des microservices prêts pour la production ou des frameworks d'entreprise.
Un réseau de neurones convolutif entraîné sur des radiographies thoraciques avec un rapport technique.
Une analyse exploratoire des données couvrant le nettoyage, l'exploration des caractéristiques et la corrélation.
Un flux de travail d'apprentissage automatique de bout en bout prédisant le risque de diabète à partir de données de santé.
Un projet de fin d'études en sciences humaines examinant les dimensions sociétales de l'IA appliquée.
Le code est publiquement consultable sur GitHub, mais aucune licence open source n'est indiquée dans les métadonnées du dépôt.
879 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Le dépôt indique que le travail est protégé pour empêcher la copie non autorisée et demande aux utilisateurs de ne pas en soumettre des parties comme étant les leurs.
Les projets reposent sur Python, scikit-learn, TensorFlow/Keras et Pandas.
Voir Zekai en premier dans Google