Ce que vous apprendrez ?
- Diagnostiquer et résoudre les problèmes courants lors de l'utilisation de TensorFlow.
- Déployer un modèle TensorFlow entraîné sur une plateforme de cloud computing.
- Utiliser TensorFlow pour effectuer des tâches de traitement du langage naturel (TLN) de base.
- Implémenter des réseaux neuronaux convolutifs (CNN) et récurrents (RNN) avec TensorFlow.
- Construire et entraîner des modèles de régression linéaire et logistique utilisant TensorFlow.
Prérequis
- Connaissance de base de l'algèbre linéaire et du calcul. Familiarité avec les concepts de base de la programmation (variables, boucles, fonctions). Expérience de programmation en Python (structures de données, manipulation de tableaux). Compréhension des concepts de base de l'apprentissage machine (apprentissage supervisé, non supervisé). Capacité à lire et interpréter des documents techniques. Aptitude à la résolution de problèmes et à la pensée critique. Accès à un ordinateur avec une connexion internet stable. Installation préalable de Python et des bibliothèques nécessaires (NumPy, Matplotlib, etc. - instructions seront fournies). Connaissance de base des réseaux de neurones (facultatif, mais recommandé).
Contenu de la Formation
-
Introduction à TensorFlow et son écosystème
-
Création et manipulation de tenseurs
-
Opérations sur les tenseurs
-
Types de données et constantes
-
Calcul différentiel et rétropropagation
-
Fonction de coût et optimisation
-
Descentes de gradients (Gradient Descent)
-
Optimisateurs (Adam, RMSprop, etc.)
-
Régression linéaire avec TensorFlow
-
Création de réseaux de neurones simples
-
Couches denses et activation
-
Entraînement et évaluation d'un modèle simple
-
Introduction aux CNN et leurs applications
-
Couches convolutionnelles et de pooling
-
Introduction aux RNN et leurs applications
-
Couches récurrentes (LSTM, GRU)
-
Régularisation et techniques d'évitement du surapprentissage
-
Validation croisée et métriques d'évaluation
-
Techniques de transfert d'apprentissage
-
Déploiement de modèles TensorFlow
À TÉLÉCHARGER
À propos de l'instructeur
- 0 Instructor Avis
- 3 Avis
- 55 Cours
- Voir tous les cours.
Ahmed Zellou
ahmed.zellou@openskillroom.com
Ahmed Zellou Received his Ph.D. degree in Applied Sciences at the Mohammedia School of Engineers, Mohammed V University, Rabat, Morocco and ENSIMAG, Grenoble, France in 2008. He is currently a part-time Professor at Mohammed VI Polytechnic University and full Professor at ENSIAS, Mohamed V University in Rabat, Morocco. His research interests include parallel computing, Data quality, recommender system, indexation, and integration system, where he is the author/co-author of more than a hundred Scopus indexed publications. SKILLS DOMAINS • Data integration systems, complex information systems, Datawarehouse, and Web Semantic. • Modeling: Merise, UML1&2, BPMN. • Procedural and Object-oriented programming: Python, JAVA, C++, PHP. • Web development: HTML, CSS, JS and PHP. • Web Technologies: HTML, XML, PHP, Web Frameworks (Symfony, Laravel, CakePHP, CodeIgniter, Yii and Zend). • Databases, MYSQL, Postgress, Mongodb, ... Publications: ResearchGate : https://www.researchgate.net/profile/Zellou_Ahmed Scopus : https://www.scopus.com/authid/detail.uri?authorId=55644907000 Google Scholar : https://scholar.google.fr/citations?hl=fr&user=CjkVg9UAAAAJ
Retour des Apprenants
Avis
Pour ajouter un avis sur le cours, vous devez d'abord vous connecter. Connectez-vous ici
Caractéristiques du cours
- Durée 4 hour
- Language Français
- Niveau de compétence. Débutant
- CertificateNon
- Nombre maximum d'inscrits 30
- Type de formation distanciel
Cours connexes
Plus de cours par Ahmed Zellou
Devenir enseignant, Partagez vos connaissances
Rejoignez OpenKampus, la plateforme de formations synchrones qui valorise votre expertise.