Deep Learning avec TensorFlow et Keras

Objectifs

Comprendre les bases du Deep Learning et les architectures de réseaux neuronaux les plus utilisées
Apprendre à manipuler TensorFlow et Keras pour construire, entraîner et évaluer un modèle
Explorer les applications concrètes : classification, reconnaissance d’images, prédiction, traitement du langage
Développer une autonomie technique pour expérimenter avec des données réelles

Participants

Développeurs, data analysts, ingénieurs IA, étudiants ou professionnels en reconversion tech

Pré-requis

Connaissances de base en Python et en machine learning supervisé

Programme

Comprendre les fondements du Deep Learning : neurones, couches, activation, propagation
Découvrir TensorFlow et Keras : différences, complémentarité, avantages
Charger et prétraiter des données (images, texte, séries temporelles) avec TensorFlow
Construire un modèle de réseau neuronal simple avec Keras (Sequential API)
Ajouter des couches (Dense, Dropout, Convolution, LSTM) selon les cas d’usage
Compiler et entraîner un modèle (loss, optimizer, metrics) sur des jeux de données connus
Évaluer les performances du modèle : accuracy, loss, courbes d’apprentissage
Gérer le surapprentissage avec la validation croisée, l’early stopping et la régularisation
Implémenter un réseau convolutif (CNN) pour la reconnaissance d’images
Tester un modèle LSTM pour des données séquentielles ou textuelles
Utiliser TensorBoard pour visualiser l’entraînement et le debug des modèles
Sauvegarder, réutiliser et déployer un modèle entraîné
Adapter un modèle pré-entraîné (transfer learning) à une problématique métier

Exercices pratiques

Créer un réseau neuronal simple sur le jeu de données MNIST
Construire et entraîner un CNN pour classer des images avec Keras
Visualiser l’apprentissage et ajuster les paramètres avec TensorBoard
Appliquer le transfer learning sur un modèle pré-entraîné (ex : MobileNet, BERT)

Aptibox

Fiche récapitulative des couches Keras les plus utilisées avec leurs paramètres clés
Modèle de code annoté pour construire un réseau Keras pas à pas
Check-list pour entraîner un modèle de façon rigoureuse (data, split, compile, fit, evaluate)
Tableau comparatif des modèles pré-entraînés disponibles dans TensorFlow Hub

Référence

IAF177

Participants

Individuel
Collectif

Durée

2 heures

Prix

580,00 € HT

Format

Distanciel
Présentiel

Dates

Sur mesure

Options

Aptibox
Coaching
Entrainement intensif
Suivi

Ajouter au panier

Télécharger ce programme

Réserver une séance

Financements

Nous vous aidons dans vos démarches pour financer vos formations. Retrouvez toutes les informations sur les solutions de financement.

Nos forfaits

Nous vous proposons des forfaits/packs d’achat de modules à prix dégressifs, selon la quantité demandée.

Ces modules de 2h sont valables pour nos 5000 aptitudes ( = ateliers de formation 100% sur mesure allant à l’essentiel, tous thèmes confondus, sur tous nos catalogues management, RH, communication, développement personnel, commercial…) et valables également sur toutes nos prestations (séances de coaching, bilan de compétences , feedback 360°, codéveloppement…).

Deep Learning avec TensorFlow et Keras

Objectifs

Participants

Pré-requis

Programme

Exercices pratiques

Aptibox

Espace client

Prendre RDV

Réservez directement votre séance !

Nous contacter