DataCamp Premium à -50 %.Plus de 700 cours, à moitié prix. Commencez à apprendre dès aujourd’hui.
Description du cours
Obtenir une introduction à TensorFlow
Il n'y a pas si longtemps, les algorithmes de vision par ordinateur les plus avancés ne pouvaient pas distinguer les images de chats de celles de chiens. Aujourd'hui, un data scientist expérimenté, équipé uniquement d'un ordinateur portable, est capable de classer des dizaines de milliers d'objets avec une précision supérieure à celle de l'œil humain.Dans ce cours, vous utiliserez TensorFlow 2.6 pour développer, entraîner et faire des prédictions à l'aide des modèles qui ont permis des avancées majeures dans les systèmes de recommandation, la classification d'images et la FinTech.
Utiliser des modèles linéaires pour établir des prévisions
Vous découvrirez comment utiliser TensorFlow 2.6 pour effectuer des prédictions à l'aide de modèles de régression linéaire, et vous testerez vos connaissances en prédisant les prix de l'immobilier dans le comté de King. Cette section du cours présente les fonctions de perte et explique comment réduire votre utilisation des ressources en entraînant votre modèle linéaire par lots.Entraînez votre réseau neuronal
Dans la seconde moitié du cours, vous utiliserez les mêmes outils pour effectuer des prédictions à l'aide de réseaux neuronaux. Vous allez vous exercer à entraîner un réseau dans TensorFlow en ajoutant des variables entraînables et en utilisant votre modèle et vos fonctionnalités de test pour prédire des valeurs cibles.Combiner TensorFlow avec l'API Keras
Ajoutez la puissante API Keras à votre répertoire et apprenez à la combiner avec TensorFlow 2.6 pour effectuer des prédictions et évaluer des modèles. À la fin de ce cours, vous saurez comment utiliser l'API Estimators pour rationaliser la définition des modèles et éviter les erreurs.Prérequis
Programme de formation
Plan du cours
1
Introduction à TensorFlow
Avant de pouvoir construire des modèles avancés dans TensorFlow 2, vous devez d’abord en maîtriser les bases. Dans ce chapitre, vous apprendrez à définir des constantes et des variables, à effectuer des additions et multiplications de tenseurs, et à calculer des dérivées. Des notions d’algèbre linéaire seront utiles, mais ne sont pas indispensables.
- Constantes et variables50 XP
- Définir des données comme constantes100 XP
- Définir des variables100 XP
- Opérations de base50 XP
- Réaliser une multiplication élément par élément100 XP
- Réaliser des prédictions avec une multiplication de matrices100 XP
- Sommer sur les dimensions d’un tenseur50 XP
- Opérations avancées50 XP
- Remodeler des tenseurs100 XP
- Optimiser avec les gradients100 XP
- Travailler avec des données d’images100 XP
2
Modèles linéaires
Dans ce chapitre, vous apprendrez à construire, résoudre et utiliser des modèles dans TensorFlow 2 pour faire des prédictions. Vous vous concentrerez sur une classe de modèles simple — la régression linéaire — et tenterez de prédire les prix de l’immobilier. À la fin du chapitre, vous saurez charger et manipuler des données, construire des fonctions de perte, effectuer une minimisation, faire des prédictions et réduire l’utilisation des ressources avec l’entraînement par lots.
3
Réseaux de neurones
Les chapitres précédents vous ont appris à construire des modèles dans TensorFlow 2. Dans ce chapitre, vous appliquerez ces mêmes outils pour construire, entraîner et utiliser des réseaux de neurones pour faire des prédictions. Vous apprendrez à définir des couches denses, à appliquer des fonctions d’activation, à choisir un optimiseur et à utiliser la régularisation pour réduire le surapprentissage. Vous profiterez de la flexibilité de TensorFlow en combinant l’algèbre linéaire de bas niveau et les opérations de l’API Keras de haut niveau pour définir et entraîner des modèles.
4
API de haut niveau
Dans le chapitre final, vous utiliserez des API de haut niveau de TensorFlow 2 pour entraîner un classificateur de lettres en langue des signes. Vous utiliserez les API Keras séquentielle et fonctionnelle pour entraîner, valider, faire des prédictions avec et évaluer des modèles. Vous apprendrez également à utiliser l’API Estimators pour simplifier la définition et l’entraînement des modèles et réduire les risques d’erreurs.
Introduction à TensorFlow en Python
Cours
terminé
