Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

Principes de base du machine learning avec TensorFlow

Ce cursus s'adresse aux personnes :

  • Débutant en ML, mais ayant une formation intermédiaire en programmation

Ce contenu est destiné à guider les développeurs débutants dans le ML à travers les premières étapes de leur parcours de ML. Vous verrez que de nombreuses ressources utilisent TensorFlow, cependant, les connaissances sont transférables à d'autres frameworks d'apprentissage automatique.

Étape 1 : Comprendre ce qu'est le ML

TensorFlow 2.0 est conçu pour faciliter la création de réseaux de neurones pour l'apprentissage automatique, c'est pourquoi TensorFlow 2.0 utilise une API appelée Keras. Le livre Deep Learning with Python de François Chollet, créateur de Keras, est un excellent point de départ. Lisez les chapitres 1 à 4 pour comprendre les principes fondamentaux du ML du point de vue d'un programmeur. La seconde moitié du livre se penche sur des domaines tels que la vision par ordinateur, le traitement du langage naturel, l'apprentissage profond génératif, etc. Ne vous inquiétez pas si ces sujets sont trop avancés en ce moment car ils auront plus de sens en temps voulu.

IA et apprentissage automatique pour les codeurs
de Laurence Moroney

Ce livre d'introduction propose une approche axée sur le code pour apprendre à mettre en œuvre les scénarios ML les plus courants, tels que la vision par ordinateur, le traitement du langage naturel (NLP) et la modélisation de séquences pour les environnements d'exécution Web, mobiles, cloud et intégrés.

Apprentissage en profondeur avec Python
par François Chollet

Ce livre est une introduction pratique et pratique à Deep Learning avec Keras.

⬆ Ou ⬇

Suivez un cours en ligne tel que Coursera's Introduction to TensorFlow ou Udacity's Intro to TensorFlow for Deep Learning , qui couvrent tous les deux les mêmes principes fondamentaux que le livre de François. Vous pouvez également trouver ces vidéos de 3blue1brown utiles, qui vous donnent des explications rapides sur le fonctionnement des réseaux de neurones au niveau mathématique.

Cette étape vous donnera les bases du fonctionnement du ML, vous préparant à aller plus loin.

Introduction à TensorFlow pour l'IA, le ML et le Deep Learning

Développé en collaboration avec l'équipe TensorFlow, ce cours fait partie de la spécialisation développeur TensorFlow et vous apprendra les meilleures pratiques d'utilisation de TensorFlow.

Introduction à TensorFlow pour le Deep Learning

Dans ce cours en ligne développé par l'équipe TensorFlow et Udacity, vous apprendrez à créer des applications d'apprentissage en profondeur avec TensorFlow.

Étape 2 : Au-delà des bases

Prenez la spécialisation TensorFlow Developer , qui vous emmène au-delà des bases dans l'introduction à la vision par ordinateur, à la PNL et à la modélisation de séquences.

Cette étape poursuit votre introduction et vous apprend à utiliser TensorFlow pour créer des modèles de base pour une variété de scénarios, y compris la classification d'images, la compréhension des sentiments dans le texte, les algorithmes génératifs, etc.

Spécialisation Développeur TensorFlow

Dans cette spécialisation en quatre cours enseignée par un développeur TensorFlow, vous explorerez les outils et les développeurs de logiciels utilisés pour créer des algorithmes évolutifs alimentés par l'IA dans TensorFlow.

Étape 3 : Entraînez-vous

Essayez certains de nos didacticiels TensorFlow Core , qui vous permettront de mettre en pratique les concepts que vous avez appris aux étapes 1 et 2. Lorsque vous avez terminé, essayez certains des exercices les plus avancés.

Cette étape vous permettra d'améliorer votre compréhension des principaux concepts et scénarios que vous rencontrerez lors de la création de modèles ML.

Étape 4 : Aller plus loin avec TensorFlow

Il est maintenant temps de revenir à Deep Learning avec Python de François et de terminer les chapitres 5-9. Vous devriez également lire le livre Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow , par Aurelien Geron. Ce livre présente le ML et le deep learning à l'aide de TensorFlow 2.0.

Cette étape complètera vos connaissances d'introduction au ML, notamment en élargissant la plate-forme pour répondre à vos besoins.

Apprentissage automatique pratique avec Scikit-Learn, Keras et TensorFlow
par Aurélien Géron

À l'aide d'exemples concrets, d'une théorie minimale et de deux frameworks Python prêts pour la production, Scikit-Learn et TensorFlow, ce livre vous aide à acquérir une compréhension intuitive des concepts et des outils de construction de systèmes intelligents.