Deep Learning avec TensorFlow et Keras

• Comprendre les principes fondamentaux du Deep Learning et des réseaux neuronaux
• Construire, entraîner et évaluer des modèles avec TensorFlow et Keras
• Expérimenter des architectures adaptées à des cas d’usage réels

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

Connaissances de base en Python et en machine learning supervisé

• Comprendre les bases du Deep Learning et le fonctionnement des réseaux neuronaux
• Découvrir TensorFlow et Keras et leurs usages complémentaires
• Charger et prétraiter des données avec TensorFlow
• Construire un modèle de réseau neuronal avec Keras
• Ajouter et configurer différentes couches selon les besoins métier
• Compiler et entraîner un modèle supervisé sur un jeu de données
• Évaluer les performances et interpréter les résultats du modèle
• Gérer le surapprentissage et améliorer la robustesse du modèle
• Construire un réseau convolutif (CNN) pour la reconnaissance d’images
• Utiliser TensorBoard et le transfer learning pour optimiser les modèles

• Créer un réseau neuronal simple avec le dataset MNIST
• Construire et entraîner un CNN avec Keras pour classer des images
• Tester le transfer learning avec un modèle pré-entraîné TensorFlow

• Fiche récapitulative des principales couches Keras et leurs usages
• Modèle de code TensorFlow/Keras commenté pas à pas
• Check-list des étapes clés pour entraîner et évaluer un modèle Deep Learning