Projet-Apprentissage-Artificiel

Dans le cadre du cours Apprentissage Artificiel 2025-2026

lien github : https://github.com/Chlooow/Projet-Apprentissage-Artificiel

Informations

• Chef de projet etudiant: Chloé Nsonde Makoundou
• Manager : Madame Rakia Jaziri
• Formation : Master 1 IBD - Université Paris 8 Saint-Denis-Vincennes
• type de projet: individuel

Problématique

Comment modéliser et prédire efficacement les prix des produits Dior en Chine, et quels sont les facteurs déterminants qui influencent le pricing dans le secteur du luxe ?

Cette problématique implique deux axes principaux :

• Comprendre la structure des prix et les segments produits.
• Prédire le prix d’un produit à partir de ses caractéristiques.

Dataset

le dataset est importé directement via huggingface lien du dataset : https://huggingface.co/datasets/DBQ/Dior.Product.prices.China

Sinon il existe sur Databoutique.com : https://www.databoutique.com/buy-data-page/dior+product-prices+china/r/recjNQrDONn090TZG

Structure du projet

• /data : censé contenir le dataset. Il y a un sample_file.csv pour visualisé un peut du dataset
• /notebooks : Les notebooks pour travailler, voir les resultats plots...etc.
• /rapport : contient le rapport de présentation + les /figures téléchargées
• /src : contient nos fonctions auxiliaires
  • bonus.py : continent les fonctions aux bonus pour l'approche non sup + sub
  • evaluate.py contient les fonction aux pour évaluer les models et les fonctions de plot
  • load_data.py : permet de prendre le dataset direct de huggingface
  • modelisation : contient les fonctions aux pour la modelisation des modeles
  • preprocessing.py : contient les fonction pour nettoyer les données
  • utils_eda.py: contient les fonction pour l'analyse exploratoire
• /.gitignore : permet d'ignorer des choses lorsqu'on met notre travail sur le git
• app.py : permet de faire l'interface
• main.py : notre fichier de code principale
• README.md : fichier d'infos
• requirements.txt : les bibliotheques dépendances que j'ai téléchargé (mais je n'ai pas utilsé d'environnement virtuelle pour cette fois-ci)
• Proposition de sujet validée en .PDF
• LICENSE : la licence j'ai mis MIT

Comment executer ?

git clone https://github.com/Chlooow/Projet-Apprentissage-Artificiel

cd Projet-Apprentissage-Artificiel

pip install -r requirements.txt

python3 main.py ou python main.py

Pour l'interface python -m streamlit run app.py

Rendu

Vendredi 5/12/25 00h

Soutenance

Mercredi 10/12/25

Outils & Technologies utilisés

• Langage : Python, un tout petit peut de SQL pour voir les données sur Huggingface

• Kernel : Jupyter

• Cours/TP madame Jaziri, Cours/TP de François Landes (L3), Machine Learning (Apprentissage Supervisée et Non Supervisé)

Autrice

Makoundou Chloé

Ce projet illustre ma capacité à mener un projet de machine learning de bout en bout à partir des connaissances que j'ai eu en Master 1, de l’analyse exploratoire à l’interprétation des résultats, en gardant un souci d’applicabilité réelle dans le secteur du luxe. Ceci m'aide à me rappeler et pratiqué les notions déjà utilisé.