Analyse d’images histopathologiques par un réseau de neurones

Déscription du projet :
Analyse et segmentation d’images histopathologiques des hépatites du foie en s’inspirant des nouvelles approches et études dans le domaine d’apprentissage profond en utilisant TensorFlow 2.5 et Keras 2.2 pour l'implémentation d’un réseau de neurones convolutif entièrement connecté basé sur l’architecture de UNet sur un jeu de données de données de 2909 images
​

Classification des mails spams/hams

Déscription du projet :
Le but de ce projet est de réaliser une classification de documents, il consiste à classifier des mails en spams/hams en utilisant plusieurs techniques de Machine Learning, en passant par les étapes principaux : Récolte des données, Nettoyages et préparations des données (ponctuation, stops words, TF-IDF), lemmatization, vectorisation, construction des jeux de données pour l'entrainement et le test afin d'évaluer nos modèles
​

Manipulation des séquences nucléotides

Déscription du projet :
Ce projet se compose en trois parties : d'abord l'exploitation des principaux bases de données de protéines (Protein Data Bank) : NCBI, PDB et PubMed pour ensuite décortiquer un article scientifique basé sur l’application des outils de l’IA sur des séquences nucléotides. Deuxièmement, une étude des outils BLAST et FASTA et l’alignement des séquences en utilisant ces outils. Et troisièmement, programmer la méthode d’alignement globale par programmation dynamique en python et de déduire l’arbre phylogénique par la méthode UPGMA
​