Rendre l'apprentissage automatique accessible grâce à Keras

Aperçu

Rejoignez-nous pour explorer Keras, l'API d'apprentissage profond intuitive et conviviale conçue pour rendre l'intelligence artificielle accessible afin de relever les défis commerciaux. Cet événement offre un aperçu approfondi de la vaste gamme de fonctionnalités, des API et de la manière de construire efficacement des modèles.

De plus, découvrez comment intégrer harmonieusement Keras avec TensorFlow, vous permettant de libérer tout le potentiel de l'IA.

Programme

• Introduction à l'apprentissage automatique et Keras
Vue d'ensemble de l'apprentissage automatique
Introduction à Keras et son rôle dans l'écosystème de l'IA
Avantages de l'utilisation de Keras pour les applications commerciales
• Configuration de votre environnement
Installation de Keras et TensorFlow
Configuration et paramétrage de base
Introduction aux Jupyter Notebooks et Python
• Comprendre les API de Keras
API Séquentielle
API Fonctionnelle
Sous-classement de modèle
• Construction et entraînement de modèles
Définition de modèles en utilisant l'API Séquentielle
Implémentation de modèles en utilisant l'API Fonctionnelle
Personnalisation de modèles avec le sous-classement de modèle
Compilation, entraînement et évaluation de modèles
• Gestion des données avec Keras
Prétraitement et préparation des données
Utilisation des Ensembles de données Keras
Augmentation des données pour améliorer les performances du modèle
• Fonctionnalités avancées de Keras
Couches et activations personnalisées
Rappels et logique d'entraînement personnalisée
Apprentissage par transfert avec Keras
• Intégration de Keras avec TensorFlow
Exploitation des fonctionnalités de TensorFlow dans Keras
Déploiement de modèles utilisant TensorFlow Serving
Utilisation de TensorFlow Lite pour les mobiles et les dispositifs périphériques
• Applications réelles et études de cas
Résolution de problèmes commerciaux avec Keras
Cas d'utilisation spécifiques à l'industrie
Création de solutions d'IA pour des scénarios commerciaux pratiques
• Meilleures pratiques et performances des modèles
Optimisation et réglage de modèles
Stratégies pour éviter le sur-ajustement
Suivi des expériences et contrôle de version
• Conclusion et avenir de Keras
Récapitulatif des principaux enseignements
Tendances actuelles et futures directions de Keras
Ressources pour l'apprentissage et le développement ultérieurs en IA
• Projet de cours
Création d'un projet complet d'apprentissage automatique utilisant Keras
Présentations et sessions de rétroaction

---

Sujets

Conférences