Formation TensorFlow - Deep Learning

• Installation
• Google Collab
• Tenseurs et opérations
• Les variables

Travaux pratiques

Présentation de divers cas d’usage (importation d’image, Huber Loss…)

• TensorFlow Data API
  • Concepts
  • L’enchainement de transformations
  • Mélange de la donnée (Shuffle)
  • Entrelacement
  • Construction d’un pipeline de lecture de CSV complet
  • Les optimisations possibles
• L’API de prétraitement TensorFlow
  • Utilité
  • Les colonnes
    • Numériques
    • Catégorielles
  • L’utilisation comme layer

• Neurones biologiques vs neurones artificiels
• Les calculs logiques avec des neurones
• Le perceptron
• Le multi layer perceptron et la rétropropagation
• MLP de régression 
• MLP de classification
• L’implémentation des MLP
  • Sauvegarder et restaurer un modèle
  • Utiliser des callbacks

• La réutilisation de modèles entrainés
• Optimiseurs plus rapides

Travaux pratiques

Créer optimiser un classificateur d’image, d’une régression et des modèles complexes avec l’API Séquentielle

• La vision par ordinateur
• L’architecture du cortex visuel
• Les couches
  • de convolutions
  • de Pooling
• Les types d’architectures de réseaux de neurones conventionnels
• Data augmentation

Travaux pratiques

Intégrer un CNN sur TensorFlow, utiliser un modèle entrainé pour du transfer learning

Classifier et localiser des objets

• Traiter des données séquentielles avec des RNN et des CNN
  • Les neuronnes récurrents
  • Les layers récurrentes
  • L’entrainement d’un RNN
  • Prédiction d’une série temporelle
• Le NLP & le RNN
  • La préparation de données textuelles
  • Séparation du dataset en plusieurs fenêtres
  • Classification de texte

• Representation Learning & Generative learning avec des Autoencoders et des GAN
  • Créer un PCA avec une partie d’AutoEncodeur
  • Établir un Stacked Autoencoders avec TensorFlow