François Chung, Ph.D.

Tag: réseau de neurones

Apprentissage profond et TensorFlow

Apprentissage profond et TensorFlow

Formation Cognitive Class, MOOC (2020). Ce parcours d'apprentissage présente les concepts de base de l'apprentissage profond et de TensorFlow avec une expérience pratique basée sur la résolution de problèmes. Tout au long de la formation, TensorFlow est utilisé dans l'ajustement de courbe, la régression, la classification et la minimisation des fonctions d'erreur. Ce concept est ensuite exploré dans le monde de l'apprentissage profond où TensorFlow est appliqué pour la rétropropagation afin d'ajuster les poids et les biais.

Cours 1: Les fondamentaux de l'apprentissage profond

Sujets principaux:

  • Introduction à l'apprentissage profond;
  • Modèles d'apprentissage profond;
  • Modèles d'apprentissage profond supplémentaires;
  • Plateformes et bibliothèques d'apprentissage profond.

Cours 2: Apprentissage profond avec TensorFlow

Sujets principaux:

  • Introduction à TensorFlow;
  • CNN - Réseau de neurones convolutifs;
  • RNN - Réseau de neurones récurrents;
  • Apprentissage non supervisé.

Références

Formation

Deep learning fundamentals (Les fondamentaux de l'apprentissage profond, certificat de cours)
Deep Learning Essentials (badge de certification)
Deep learning with TensorFlow (Apprentissage profond avec TensorFlow, certificat de cours)
Deep Learning using TensorFlow (badge de certification)

Articles associés

En savoir plus

Réseaux de neurones et apprentissage profond

Réseaux de neurones et apprentissage profond

Formation Coursera, MOOC (2018). Donnée en ligne par Stanford University (US), cette formation présente les fondements de l'apprentissage profond. Les principaux objectifs sont de comprendre les tendances technologiques favorisant l'apprentissage profond, de construire, d'entraîner et d'appliquer des réseaux de neurones. La formation vise à enseigner comment l'apprentissage profond fonctionne, plutôt que d’en présenter une description superficielle.

Semaine 1: Introduction à l'apprentissage profond

Sujets principaux:

  • Qu'est-ce qu'un réseau de neurones?
  • Apprentissage supervisé avec réseaux de neurones;
  • Pourquoi l'apprentissage profond décolle-t-il?

Semaine 2: Bases des réseaux de neurones

Sujets principaux:

  • Classification binaire;
  • Régression logistique;
  • Algorithme du gradient;
  • Dérivée avec un graphique de calcul;
  • Régression logistique avec vectorisation.

Semaine 3: Réseaux de neurones peu profonds

Sujets principaux:

  • Représentation du réseau de neurones;
  • Calcul de la sortie d'un réseau de neurones;
  • Vectorisation à travers plusieurs exemples;
  • Fonctions d'activation et leurs dérivées;
  • Algorithme du gradient pour réseaux de neurones;
  • Initialisation aléatoire.

Semaine 4: Réseaux de neurones profonds

Sujets principaux:

  • Réseau de neurones multicouche;
  • Propagation avant et arrière;
  • Blocs de construction des réseaux;
  • Paramètres vs hyperparamètres.

Référence