Deep Learning avec TensorFlow et Keras MasterClass Python
Dernière mise à jour : 1/2023
MP4 | Video: h264, 1280x720 | Audio: AAC, 44.1 KHz
Language: Français | Size: 7.08 GB | Duration: 23h 0m
Apprenez à utiliser Python pour du Deep Learning (et Machine Learning) avec TensorFlow 2 de Google et l'API Keras !
What you'll learn
La théorie qui se cache derrière le Machine Learning et le Deep Learning
Utiliser TensorFlow 2.x pour le Deep Learning
Exploiter l'API de Keras pour construire rapidement des modèles de Deep Learning qui tournent sur TensorFlow 2
Construire des Réseaux de Neurones Artificiels (Artificial Neural Networks - ANNs)
Effectuer une classification d'images avec des Réseaux de Neurones Convolutifs (Convolutionnal Neural Networks - CNNs)
Prédire de données de séries temporelles (Time Series) avec les Réseaux de Neurones Récurrents (Recurrent Neural Networks - RNNs)
Utiliser le Deep Learning pour l'imagerie médicale (reconnaissance de cellules de sang infectées ou non)
Générer du texte avec les RNNs et le traitement du langage naturel (Natural Language Processing - NLP)
Appliquer la réduction de dimensionnalité avec les Auto-Encodeurs (Encodeurs + Décodeurs)
Utiliser les Réseaux Adverses Génératifs (Generative Adversarial Networks - GANs) pour créer des images de toute pièce
Déployer vos modèles TensorFlow de Deep Learning en production grâce à une API Flask
Utiliser les GPUs ou PTUs avec Google Colab pour un Deep Learning accéléré
Requirements
Savoir coder en Python
Quelques bases de mathématiques (telles que les dérivées)
Description
Ce cours vous guidera dans l'utilisation du dernier Framework TensorFlow 2 de Google pour créer des Réseaux de Neurones Artificiels pour le Deep Learning ! Ce cours a pour but de vous donner un guide facile à comprendre sur les complexités du Framework TensorFlow version 2.x de Google (dernière version à jour).Nous nous attacherons à comprendre les dernières mises à jour de TensorFlow et à exploiter l'API de Keras (l'API officielle de TensorFlow 2) pour construire rapidement et facilement des modèles. Dans ce cours, nous construirons des modèles pour prédire des prix futurs de maisons, classer des images médicales, prédire les données de ventes futures, générer artificiellement un nouveau texte complet et bien plus encore... !Ce cours est conçu pour équilibrer la théorie et la mise en œuvre pratique, avec des guides de code complets de type "Notebook Google Colab" et des slides et notes faciles à consulter. Il y a également de nombreux exercices pour tester vos nouvelles compétences au cours de la formation !Ce cours couvre une grande variété de sujets, notamment :Cours accéléré sur la bibliothèque NumPyCours intensif et accéléré sur l'analyse des données avec la bibliothèque PandasCours accéléré sur la visualisation de donnéesPrincipes de base des réseaux de neuronesPrincipes de base de TensorFlowNotions de syntaxe de KerasRéseaux de Neurones Artificiels (ANNs)Réseaux à forte densité de connexionRéseaux de Neurones Convolutifs (CNNs)Réseaux de Neurones Récurrents (RNNs)AutoEncodersRéseaux Adversatifs Générateurs (GANs)Déploiement de TensorFlow en production avec Flasket bien plus encore !Keras, une API standard conviviale pour le Deep Learning, elle sera l'API centrale de haut niveau utilisée pour construire et entraîner les modèles. L'API de Keras facilite le démarrage de TensorFlow 2. Il est important de noter que Keras fournit plusieurs API de construction de modèles (séquentielle, fonctionnelle et de sous-classement), afin que vous puissiez choisir le bon niveau d'abstraction pour votre projet. La mise en œuvre de TensorFlow contient des améliorations, notamment une exécution rapide, pour une itération immédiate et un débogage intuitif, et tf. data, pour la construction de pipelines d'entrée évolutifs.TensorFlow 2 facilite le passage des nouvelles idées du concept au code, et du modèle à la publication. TensorFlow 2 intègre un certain nombre de fonctionnalités qui permettent de définir et d'entraîner des modèles de pointe sans sacrifier la vitesse ou les performancesIl est utilisé par de grandes entreprises dans le monde entier, notamment Airbnb, Ebay, Dropbox, Snapchat, Twitter, Uber, SAP, Qualcomm, IBM, Intel, et bien sûr, Google !Comprendre et appliquer le Deep Learning dès aujourd'hui, c'est possible ! On se retrouve dans le cours .
DEEALELARDNEUFJTENSDOETRRFEKAERSEMAR
you must be registered member to see linkes Register Now