Skip to main content

Projet de Machine Learning : Consignes Générales

Consignes générales​

Objectif Général​

L'objectif principal de ce projet est d'appliquer et d'approfondir les concepts de Machine Learning et de Deep Learning vus au cours, en travaillant en groupe de 3 étudiants. Vous devrez choisir un sujet parmi les catégories proposées. Ces projets vous demandent de rechercher ou utiliser les données adéquates, prétraiter ces données, concevoir, entraîner, évaluer et analyser plusieurs modèles à l'aide de TensorFlow et Keras. Une part importante du projet consistera à expérimenter différentes approches et à documenter rigoureusement votre démarche.

Inscription du Groupe et Choix du Sujet​

Avant de commencer le développement, chaque groupe doit impérativement s'inscrire en indiquant :

  1. Les Noms et Prénoms de ses 3 membres.
  2. L'énoncé exact du projet choisi. Donc, la catégorie du projet ainsi que le dataset que vous avez choisi. Exemples : Catégorie 1 Chien vs Chat ou Catégorie 2 SMS spam

Cette inscription se fait via le fichier partagé suivant : Feuille d'Inscription Projet ML

Veuillez remplir ces informations dès que possible après la formation de votre groupe et le choix de votre sujet, vous avez jusqu'au 08/05/2026. Après cette date, les groupes ne sont plus modifiables. Il est impératif de s'inscrire pour pouvoir passer l'examen.

Exigences Générales​

  1. Soumission du Projet :

    • Le projet complet doit être soumis sous la forme d'une archive ZIP. Vous devez impérativement utiliser les Notebook Jupyter pour le code python.
    • Le nom de l'archive ZIP doit être formé des prénom et noms des 3 membres du groupe, séparés par des underscores (par exemple : JeanDupont_SophieMartin_PierreDurand.zip).
    • L'archive ZIP doit être envoyée par email à l'adresse a.tillieux@helmo.be au plus tard 5 jours avant la date fixée pour votre examen oral.
    • Confirmation de Réception : Vous devriez recevoir un accusé de réception dans les 24 heures suivant votre envoi. Si ce n'est pas le cas, vérifiez votre dossier de courriers indésirables (spam), puis renvoyez votre email pour vous assurer de sa bonne réception. Ne pas avoir d'accusé de réception signifie potentiellement que votre travail n'a pas été reçu.
    • Le notebook doit être auto-suffisant : il doit contenir tout le code (Python, TensorFlow/Keras), les cellules de texte explicatives (Markdown), les visualisations, et la documentation détaillée de vos expérimentations.

  2. Gestion des Données :

    • AUCUN jeu de données volumineux ne doit être inclus dans l'archive ZIP.
    • Le notebook doit contenir le code nécessaire pour télécharger automatiquement les données depuis une source en ligne accessible (ex: tf.keras.datasets, tensorflow_datasets, API Kaggle, wget/curl). Des instructions claires doivent être fournies si une manipulation minimale est inévitable dans le README.md.
    • Exception : Pour la catégorie "Classification d'Images", les quelques images de test prises par les étudiants eux-mêmes peuvent être incluses dans l'archive ZIP (idéalement dans un sous-dossier).

  3. Code et Environnement :

    • Utilisez Python avec TensorFlow et Keras comme framework principal. NumPy, Pandas, Matplotlib sont également attendus.
    • Listez clairement les dépendances externes (avec versions) au début du notebook ou dans une cellule dédiée.
    • Un fichier requirements.txt doit-être présent dans le projet afin de pouvoir installer les dépendances python de votre projet.
    • Le code doit être propre, commenté pour expliquer les parties non triviales.

  4. Travail en Groupe :

    • Travail d'équipe où la collaboration est attendue. Chaque membre doit avoir une compréhension complète de l'ensemble du projet.

Tâche Centrale : Expérimentation Rigoureuse et Documentation (Évaluation Clé)​

Une part essentielle de l'évaluation portera sur votre capacité à expérimenter de manière méthodique et à documenter vos essais directement dans le notebook.

Pour chaque étape significative (choix d'architecture, hyperparamètres, prétraitement, etc.), vous devez intégrer :

  1. L'Hypothèse/Justification : Pourquoi cet essai ? Qu'attendiez-vous ?
  2. La Méthodologie : Comment avez-vous procédé ?
  3. Les Observations : Quels résultats (quantitatifs/qualitatifs) ? (Courbes, métriques, tableaux...).
  4. Les Conclusions et Décisions : Qu'avez-vous appris ? Comment cela influence la suite ?

Une section de synthèse récapitulant les expérimentations clés, les choix finaux et leur justification est requise.

Auto-Apprentissage Guidé​

Attendez-vous à devoir explorer des concepts non couverts en détail en cours. L'énoncé spécifique de votre projet contiendra des pistes et mots-clés pour orienter vos recherches (techniques de prétraitement, couches spécifiques, métriques, etc.). L'autonomie dans cet apprentissage sera valorisée.

Contraintes Techniques​

Votre modèle final doit pouvoir être entraîné en 30-40 minutes maximum sur un ordinateur portable standard (CPU récent, sans GPU dédié). Optimisez via :

  • La taille/complexité du modèle.
  • Le prétraitement efficace des données en amont (justifiez vos choix pour limiter la charge d'entraînement).

Modalités de l'Examen Oral​

L'évaluation finale se fera lors d'un examen oral de 50 minutes.

  • Structure de l'Oral (50 min) :
    • Présentation du Projet (15 minutes max) :
      • Préparez une présentation synthétique avec des supports visuels (slides obligatoires).
      • Contenu : Objectif, dataset, prétraitement clé, synthèse de la démarche expérimentale (choix, résultats, décisions), modèle final et performances, succès/difficultés, concepts appris en autonomie, pistes d'amélioration.
    • Discussion et Questions (+- 30 minutes) :
      • Note Individuelle : Bien que le travail soit réalisé en groupe, la note finale est individuelle.
      • Attentes Individuelles : Chaque étudiant doit être capable d'expliquer :
        • Chaque concept théorique utilisé dans le projet et son application.
        • L'intégralité du code produit par le groupe.
        • Chaque partie du notebook, y compris les expérimentations, observations et analyses.

Critères d'Évaluation Indicatifs​

  • Qualité et rigueur de la démarche expérimentale et de sa documentation.
  • Pertinence et justification des choix techniques.
  • Clarté et propreté du code et du notebook.
  • Correction de l'analyse des résultats et des conclusions.
  • Qualité de la présentation orale et maîtrise individuelle des concepts.
  • Respect des consignes (soumission, format, contraintes, inscription).

Bon travail ! N'hésitez pas à poser des questions et commencez à travailler tôt sur ce projet.

Modalités d'Examen de Seconde Session​

Le projet de Machine Learning reste l'épreuve de seconde session. Les objectifs généraux, les exigences techniques, les livrables et les critères d'évaluation demeurent strictement identiques à ceux de la première session. L'objectif est de vous permettre de démontrer votre maîtrise des concepts et votre capacité à les appliquer.

Flexibilité de la Constitution des Groupes​

Pour cette seconde session, vous avez la possibilité de reconfigurer votre mode de travail :

  1. Conserver le groupe initial : Si les membres de votre groupe de première session sont concernés par la seconde session et souhaitent continuer ensemble.
  2. Former un nouveau groupe : Vous pouvez vous associer avec d'autres étudiants également inscrits en seconde session pour former un nouveau groupe de 3.
  3. Réaliser le projet individuellement : Si vous préférez travailler seul(e).

Processus d'Inscription et de Choix pour la Seconde Session​

Afin de gérer au mieux l'organisation de cette seconde session, chaque étudiant concerné doit impérativement informer l'enseignant de son choix par email.

  • Destinataire : a.tillieux@helmo.be
  • Contenu de l'email :
    • Votre choix pour la seconde session (veuillez spécifier l'une des options ci-dessous) :
      • Option 1 : Conserver le groupe initial. (Précisez les Noms et Prénoms des membres du groupe).
      • Option 2 : Former un nouveau groupe. (Précisez les Noms et Prénoms des membres du nouveau groupe).
      • Option 3 : Réaliser le projet individuellement. (Dans ce cas, la durée de l'oral sera réduite car il y aura moins de questions à poser).
    • L'énoncé exact du projet choisi (Catégorie + Dataset). Si vous étiez en groupe et que vous travaillez seul, vous pouvez conserver le même sujet ou en choisir un nouveau. Si vous formez un nouveau groupe, vous pouvez choisir un nouveau sujet.

Date Limite pour l'Inscription / Choix du Groupe de Seconde Session : Veuillez envoyer cet email au plus tard le 15 juillet 2026. Après cette date, votre mode de travail (individuel ou en groupe) sera figé. Si je ne reçois pas de réponse de votre part, je considérerai que vous ne souhaitez pas présenter l'examen.

Inscription Oral​

Vous receverez un lien pour vous inscrire à l'oral après avoir soumi votre projet.

Dates Clés pour la Seconde Session​

  • Date Limite Inscription / Choix du Groupe : 15 juillet 2026
  • Date Limite Soumission du Projet ZIP : 5 jours avant votre date d'oral de seconde session.

Bon courage pour cette seconde session ! N'hésitez pas à m'envoyer un mail si vous avez des questions.