Tutoriel sur l'apprentissage automatique

Dans ce tutoriel, vous implémenterez un article de recherche en imagerie médicale avec Python dans Keras.

Découvrez la technique révolutionnaire de Low-Rank Adaptation (LoRA) dans notre guide complet. Voyez comment LoRA transforme le fine-tuning des grands modèles de langage.

Exploitez la puissance de l’optimisation bayésienne pour le réglage des hyperparamètres en machine learning. Maîtrisez les fondements théoriques et les applications pratiques en Python pour améliorer la précision des modèles.

Plongez dans ce qu’est MLflow et comment tirer parti de cette plateforme open source pour suivre et déployer vos expériences de machine learning.

Dans ce tutoriel, vous apprendrez à renseigner les valeurs nulles, prétraiter les données, réduire la dimension avec l’ACP et découper les données avec K-Fold.

Découvrez un outil open source puissant d’orchestration de workflows. Créez, déployez et exécutez votre premier workflow de machine learning en local et dans le cloud avec ce guide simple.

Découvrez un workflow complet pour surveiller n’importe quel modèle de votre notebook Jupyter en environnement de production.

Apprenez à créer une API simple à partir d’un modèle de machine learning en Python avec Flask.

Dans ce tutoriel, vous allez créer quatre modèles avec LDA (Latent Dirichlet Allocation) et k-means (clustering).

Explorez les concepts clés de la détection d’objets et découvrez leur mise en œuvre dans SSD et Faster R-CNN, disponibles dans la TensorFlow Detection API.

Découvrez ce qu’est l’attention multi‑têtes, comment la self‑attention fonctionne au sein des transformers, et pourquoi ces mécanismes sont essentiels pour alimenter des LLM comme GPT-5 et des VLM comme CLIP, au travers d’exemples simples, de schémas et de code.

Maîtrisez le fonctionnement des réseaux LSTM, à la base des LLM modernes. Explorez les portes, les gradients et construisez un classificateur de sentiment avec PyTorch.