Mehdi Munim Ingénieur en IA et Formateur

Mon portfolio

Cours EPITA

Deep Learning / Time Series for Medicine

  • Description : Applications du Deep Learning et des séries temporelles dans le domaine médical, notamment pour le diagnostic, le traitement et la recherche.
  • Contenu : Analyse d’images médicales, prédiction de maladies, séries temporelles appliquées aux données médicales…
  • Exemple de contenu : Exemple de notebook

Cours IA School

Statistiques / Régression

  • Description : Concepts fondamentaux des statistiques et de la régression linéaire, avec des applications en Machine Learning.
  • Contenu : Statistiques descriptives, inférence statistique, régression linéaire simple et multiple, évaluation de modèles…
  • Exemple de contenu: Lien vers la présentation

Analyse Exploratoire (Python)

  • Description : Techniques d’analyse exploratoire de données (EDA) avec le langage Python.
  • Contenu : Visualisation de données, manipulation de données avec Pandas, identification de tendances et de patterns…
  • Exemples de contenu : Exemple de notebook

Introduction au Deep Learning (Keras)

  • Description : Concepts du Deep Learning et à l’utilisation de la bibliothèque Keras.
  • Contenu : Réseaux de neurones, apprentissage profond, construction de modèles avec Keras, applications…
  • Exemples de contenu : Slides d’introduction

Introduction au Machine Learning non supervisé (Python)

  • Description : Techniques de Machine Learning non supervisé, où les données ne sont pas étiquetées.
  • Contenu : Clustering (K-means, DBSCAN), réduction de dimension (PCA), détection d’anomalies…

Introduction au Machine Learning supervisé (R)

  • Description : Techniques de Machine Learning supervisé, où les données sont étiquetées.
  • Contenu : Classification (arbres de décision, SVM), régression (régression linéaire, régression logistique), évaluation de modèles…
  • Exemples de contenu : Slides d’introduction

Architecture informatique

  • Description : Fondements de l’architecture des ordinateurs, des systèmes d’exploitation et des réseaux.
  • Contenu : Organisation des systèmes informatiques, types de processeurs et de mémoires, architectures multi-processeurs, cloud computing…
  • Exemples de contenu : Slides d’introduction

Data Architecture

  • Description : Concepts et les techniques de l’architecture des données, qui vise à organiser et gérer les données d’une organisation.
  • Contenu : Modélisation de données, bases de données relationnelles, schéma en étoile, snowflake, entrepôts de données, data lakes…
  • Exemples de travaux : Slides de cours

Modèles de croissance

  • Description : Différents modèles mathématiques de croissance, avec des applications en économie, en biologie et en informatique.
  • Contenu : Croissance exponentielle, croissance logistique, modèles de diffusion, applications…
  • Exemples de contenu : TP pickswap

Optimisation non différentiable

  • Description : Techniques d’optimisation pour les fonctions non différentiables, qui sont souvent rencontrées en Machine Learning et en IA.
  • Contenu : Méthodes de descente du sous-gradient, méthodes proximales, méthodes des plans de faisceaux…
  • Exemples de travaux : Slides de cours

Cours Cité des Sciences

Atelier IA / Images

  • Description : Concepts de l’IA et du traitement d’images de manière interactive et ludique.
  • Contenu : Reconnaissance d’images, classification d’images, génération d’images…
  • Exemples de travaux : Slides

Atelier Introduction à Scratch

  • Description : Cet atelier initie les jeunes à la programmation avec le logiciel Scratch, un environnement visuel et intuitif.
  • Contenu : Création de jeux, d’animations et d’histoires interactives avec Scratch.
  • Exemple : Introduction à Scratch

Introduction à ChatGPT

  • Description : Cet atelier présente les bases de l’utilisation de ChatGPT, un modèle de langage puissant développé par OpenAI.
  • Contenu : Génération de texte, génération d’image, assistance IA…
  • Exemple : Introduction à Chatgpt

Cours UPEC

Analyse numérique

  • Description : Ce cours explore les méthodes numériques pour résoudre des problèmes mathématiques, avec des applications en sciences et en ingénierie.
  • Contenu : Résolution d’équations, intégration numérique, méthodes d’interpolation…
  • Exemple de contenu : Exemple de notebook