Cours Tensorflow Lite complet pour le développement d’applications Android – Cours Udemy gratuits

Posted on



Éditeur : Hamza Asif

Prix : 79 $ US

Durée du cours :

->

Langue du cours : Anglais

La description

Exigences

Fatigué du traditionnel Développement d’applications Android cours? Il est maintenant temps d’apprendre quelque chose de nouveau et de tendance pour Android. L’apprentissage automatique est à son apogée et le développement d’applications Android est également demandé, quoi de mieux que d’apprendre les deux?

Ce cours est conçu pour Développeur Androids qui souhaitent apprendre le Machine Learning et déployer des modèles de Machine Learning dans leurs applications Android à l’aide TensorFlow Lite. Si vous avez des connaissances de base en développement d’applications Android et que vous souhaitez apprendre à utiliser le Machine Learning dans les applications Android, ce cours est pour vous. Ce cours vous permettra de commencer à construire votre PREMIER l’apprentissage en profondeur modèle et application Android utilisant Java, Tensorflow Lite et Android studio. Nous allons en apprendre davantage sur l’apprentissage automatique et l’apprentissage en profondeur, puis former votre premier modèle et le déployer dans une application Android à l’aide d’Android Studio. Tout le matériel pour ce cours est GRATUIT.

Vous n’avez besoin d’aucune connaissance préalable de l’apprentissage automatique pour commencer ce cours. Nous allons commencer par apprendre

  • Langage de programmation Python

  • Bibliothèques de science des données

  • Bases de l’apprentissage automatique et de l’apprentissage profond

  • Tensorflow et Tensorflow Lite

Ensuite, nous formerons notre premier modèle d’apprentissage automatique et développerons une application Android à l’aide d’Android Studio.

Le cours comprend des exemples de base à avancé

  • Un exemple très simple

  • Exemple d’utilisation d’un modèle enregistré

  • Exemple utilisant une fonction concrète

  • Prédire l’efficacité énergétique des automobiles (exemple de régression)

  • Reconnaître les chiffres manuscrits (exemple de classification)

  • Classification des chats et des chiens

  • Problème de papier de roche et de ciseaux

  • Exemple de reconnaissance des fleurs

  • Exemple de reconnaissance de pierres

  • Exemple de reconnaissance des fruits

  • Prédire l’activité physique d’une personne

  • Activité de pratique humaine et équine

Pour chacun de ces exemples, nous allons d’abord former le modèle Machine Learning puis construire l’application Android

Nous commencerons par découvrir les bases du langage de programmation Python. Ensuite, nous en apprendrons davantage sur les célèbres bibliothèques d’apprentissage automatique comme Numpy, Matplotlib et Pandas. Après cela, nous en apprendrons davantage sur l’apprentissage automatique et ses types. Ensuite, nous examinons en détail l’apprentissage supervisé. On va essayer de comprendre classification et régression à travers des exemples. Après, nous commencerons l’apprentissage en profondeur. Nous commençons par regarder et la structure de base de les réseaux de neurones. Ensuite, nous comprendrons le fonctionnement des réseaux de neurones à travers un exemple.

Ensuite, nous découvrirons la bibliothèque Tensorflow 2.0 et comment nous pouvons l’utiliser pour former des modèles Machine Learning. Après cela, nous verrons Tensorflow lite comment convertir nos modèles d’apprentissage automatique au format tflite qui sera utilisé dans les applications Android. Il existe trois façons d’obtenir un fichier tflite

  1. De Keras Model

  2. De la fonction concrète

  3. À partir du modèle enregistré

Nous couvrirons ces trois méthodes dans ce cours.

Nous en apprendrons davantage sur les fonctions de transfert de flux, de propagation arrière et d’activation à travers un exemple pratique. Nous regardons également fonction de coût, optimiseur, taux d’apprentissage, sur-ajustement et abandon. Nous découvrirons également les techniques de prétraitement des données comme Un encodage à chaud et Normalisation des données.

Ensuite, nous implémentons un réseau de neurones à l’aide de la nouvelle bibliothèque TensorFlow de Google.

Vous devriez suivre ce cours Si vous êtes un Développeur Android et souhaitez apprendre les bases de l’apprentissage automatique (Deep Learning) et déployer des modèles ML dans vos applications Android à l’aide de Tensorflow lite et d’Android Studio.

Ce cours vous fournit de nombreux exemples pratiques afin que vous puissiez vraiment voir comment vous pouvez former et déployer le modèle d’apprentissage automatique dans Android. Nous utiliserons Android Studio pour développer une application Android pour les modèles que nous avons formés.

Une autre section à la fin du cours vous montre comment vous pouvez utiliser des ensembles de données disponibles dans différents formats à plusieurs fins pratiques.

Après vous être mouillé avec les principes fondamentaux, je donne un bref aperçu de la façon dont vous pouvez ajouter votre modèle d’apprentissage automatique dans les modèles de projet d’apprentissage automatique Android existants de Google.

Prérequis suggérés:

CONSEILS (pour suivre le cours):

À qui s’adresse ce cours:

  • Les développeurs Android débutants veulent rendre leurs applications Android intelligentes

  • Les développeurs Android souhaitent utiliser le Machine Learning dans leurs applications Android

  • Développeurs intéressés par la mise en œuvre pratique du Machine Learning et de la vision par ordinateur

  • Les étudiants intéressés par l’apprentissage automatique – vous obtiendrez toutes les informations nécessaires pour ajouter des modèles d’apprentissage automatique dans Android à l’aide d’Android Studio

  • Les professionnels qui souhaitent utiliser des modèles d’apprentissage automatique dans l’application Android.

  • Les experts du Machine Learning souhaitent déployer leurs modèles sur Android à l’aide d’Android Studio et de Tensorflow Lite



Telecharger ici

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *