Informatique Distribuée et IA avec Spark

Aperçu

Vous acquerrez une expérience pratique en construisant, entraînant et personnalisant des modèles avec TensorFlow et Keras. En commençant par l'implémentation de réseaux simples à la main, ce cours mène à l'utilisation de modèles pré-entraînés avancés avec l'apprentissage par transfert.

Vous réaliserez un mini-projet pratique sur la classification d'images, avec l'aide d'un accompagnement pendant les heures de bureau.

Programme

• Introduction à l'informatique distribuée et à l'IA
Aperçu des principes de l'informatique distribuée
Introduction à Spark pour le traitement de grandes données
• Introduction à TensorFlow et Keras
Configuration de l'environnement TensorFlow
Bases des réseaux de neurones avec TensorFlow
• Construction de réseaux de neurones simples
Implémentation de réseaux de neurones à la main avec Keras
Compréhension des couches, des fonctions d'activation et des fonctions de perte
• Techniques avancées de TensorFlow
Personnalisation des modèles avec des techniques avancées de TensorFlow
Implémentation de callbacks, d'optimiseurs et de métriques
• Introduction à Spark pour l'IA
Intégration de Spark avec TensorFlow
Utilisation de Spark pour l'entraînement de modèles distribués
• Apprentissage par transfert
Compréhension des modèles pré-entraînés
Affinage des modèles avec Keras
• Mini-projet pratique : Classification d'images
Définition du problème et exploration des données
Construction et entraînement d'un classificateur d'images avec TensorFlow
Évaluation des performances du modèle et optimisation
• Laboratoires pratiques et exercices
Sessions pratiques régulières pour renforcer l'apprentissage
Guidance étape par étape pour l'implémentation des concepts enseignés
• Heures de bureau
Sessions programmées pour l'orientation de projets et les questions-réponses
• Projet final et présentation
Compléter le mini-projet de classification d'images
Présenter les découvertes du projet et les leçons apprises
• Conclusion de cours et prochaines étapes
Récapitulatif des concepts clés
Recommandations pour un apprentissage et une exploration supplémentaires en IA et en informatique distribuée

Sujets

Science des données