Apprentissage profond avec TensorFlow

Aperçu

Explore TensorFlow's fundamentals and create deep learning models through interactive discussions. Gain practical skills to develop and implement AI in your applications.

Programme

• Introduction à l'apprentissage profond et à TensorFlow
Aperçu de l'apprentissage profond
Introduction à TensorFlow
Configuration de l'environnement TensorFlow
• Bases de TensorFlow
Tenseurs et opérations
Graphes et sessions
Variables et placeholders
• Réseaux de neurones avec TensorFlow
Réseaux de neurones profonds (DNN)
Fonctions d'activation
Fonctions de perte et optimisation
• Gestion des données
Importation et prétraitement des données
API de jeux de données et pipelines
Techniques d'augmentation des données
• Réseaux de neurones convolutifs (CNN)
Architecture des CNN
Cartes de caractéristiques et pooling
Construction de CNN avec TensorFlow
• Réseaux de neurones récurrents (RNN)
Compréhension des RNN et LSTM
Traitement des données séquentielles
Implémentation de RNN dans TensorFlow
• Modèles avancés d'apprentissage profond
Techniques d'apprentissage par transfert
Réseaux antagonistes génératifs (GAN)
Autoencodeurs et apprentissage non supervisé
• Évaluation et optimisation des modèles
Métriques d'évaluation des modèles
Stratégies de réglage des hyperparamètres
Validation croisée et surapprentissage
• Déploiement des modèles TensorFlow
Sauvegarde et chargement de modèles
TensorFlow Serving
Intégration des modèles dans les applications
• Projets pratiques
Projet 1 : Classification d'images avec CNN
Projet 2 : Analyse de sentiments avec RNN
Projet 3 : Construction d'un GAN pour la génération d'images
• Conclusion et perspectives futures
Revue des concepts clés
Tendances émergentes en apprentissage profond
Ressources pour l'apprentissage continu

---

Matières

Conference Talks