Description
Objectif de formation : Maîtriser l'utilisation de Tensorflow pour des projets de Deep Learning
Objectifs pédagogiques
- Maîtriser TensorFlow et ses dernières versions
- Installer et utiliser TensorFlow
- Appréhender le Deep Learning par TensorFlow
- Manier des volumes importants de données
- Paramétrer son environnement pour supporter les modèles de Deep Learning
- Construire des pipelines de données
- Comprendre les usages des réseaux neuronaux et les appliquer
- Mettre en oeuvre l’entrainement du réseau neuronal
Public concerné
Data analysts, data scientists, data engineers, développeurs, architectes Big Data, Lead Dev…
Prérequis
Maîtriser les bases du langage Python
Connaissance en mathématique
Déroulé du programme
1
Installation & utilisation de TensorFlow
- Installation
- Google Collab
- Tenseurs et opérations
- Les variables
- Travaux pratiques: présentation de divers cas d’usage (importation d’image, Huber Loss…)
2
Les API de TensorFlow
- 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
3
Keras, réseaux neuronaux & MLP
- 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
4
Le Vanishing Gradient
- 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
5
CNN
- 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
6
RNN
- 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
7
Autoencoders
- Representation Learning & Generative learning avec des Autoencoders et des GAN: créer un PCA avec une partie d’AutoEncodeur, établir un Stacked Autoencoders avec TensorFlow
Informations
Durée
4 jour(s)
28h
Tarif
2700 € HT
HT
Formations similaires
IA & Data
Migration vers le Cloud
2 jour(s)
Sur demande
IA & Data
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
3 jour(s)
Sur demande
IA & Data
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
1 jour(s)
Sur demande
IA & Data
Analyse bayésienne (4-107)
3 jour(s)
Sur demande