Aperçu
Ce cours complet explore le monde du deep learning et des réseaux neurones artificiels en utilisant TensorFlow. En commençant par les concepts fondamentaux de l'apprentissage automatique, il couvre des sujets essentiels tels que la classification et la régression linéaire, avant de progresser vers les neurones, l'apprentissage des modèles et les prédictions.
Les modules de base incluent :
- Propagation avant
- Fonctions d'activation
- Classification multiclasses
Des exemples pratiques utilisant le jeu de données MNIST pour les tâches de classification d'images et de régression fournissent une expérience pratique.
Le programme comprend également des instructions sur la sauvegarde de modèles, l'utilisation de Keras et la sélection d'hyperparamètres. Les sections avancées se concentrent sur les fonctions de perte et les techniques d'optimisation par descente de gradient, notamment Adam.
À la fin de ce cours, les participants seront capables de :
- Comprendre les concepts fondamentaux de l'apprentissage automatique
- Implémenter des modèles de réseaux neurones artificiels
- Optimiser des modèles de deep learning en utilisant TensorFlow
Ce cours est idéal pour ceux qui s'intéressent au deep learning, à TensorFlow 2, et qui souhaitent acquérir des connaissances fondamentales avant de progresser vers des réseaux neuronaux avancés tels que les CNN, les RNN, les LSTM et les transformateurs. La maîtrise de Python et la familiarité avec des bibliothèques comme NumPy et Matplotlib sont requises.
Fournisseur : Coursera
Programme
Enseigné par
Étiquettes
