Ce que vous allez apprendre

• Comment utiliser Tensorflow 2.0 en Data Science
• Différences importantes entre Tensorflow 1.x et Tensorflow 2.0
• Comment mettre en œuvre des réseaux de neurones artificiels dans Tensorflow 2.0
• Comment mettre en œuvre des réseaux de neurones convolutionnels dans Tensorflow 2.0
• Comment mettre en œuvre des réseaux de neurones récurrents dans Tensorflow 2.0
• Comment créer votre propre application Transfer Learning dans Tensorflow 2.0
• Comment créer un bot de trading boursier en utilisant Reinforcement Learning (Deep-Q Network)
• Comment créer un pipeline d’apprentissage automatique dans Tensorflow 2.0
• Comment effectuer la validation des données et le prétraitement des ensembles de données à l’aide de la validation des données TensorFlow et de la transformation TensorFlow.
• Mise en production d’un modèle TensorFlow 2.0
• Comment créer une API Fashion avec Flask et TensorFlow 2.0
• Comment servir un modèle TensorFlow avec l’API RESTful

Exigences

• Quelques notions de base en mathématiques comme savoir ce qu’est une différenciation ou un gradient
• Les bases de Python

La description

Bienvenue dans Tensorflow 2.0!

TensorFlow 2.0 vient de sortir et a introduit de nombreuses fonctionnalités qui simplifient les processus de développement et de maintenance des modèles. Du côté pédagogique, il améliore la compréhension des gens en simplifiant de nombreux concepts complexes. Du point de vue de l’industrie, les modèles sont beaucoup plus faciles à comprendre, à maintenir et à développer.

Le Deep Learning est l’un des domaines de l’intelligence artificielle à la croissance la plus rapide. Au cours des dernières années, nous avons prouvé que les modèles de Deep Learning, même les plus simples, peuvent résoudre des tâches très difficiles et complexes. Maintenant que la période à la mode du Deep Learning est partiellement passée, les gens libèrent sa puissance et son potentiel pour l’amélioration de leurs produits.

Le cours est structuré de manière à couvrir tous les sujets de la modélisation des réseaux neuronaux et de la formation pour le mettre en production.

Dans Partie 1 du cours, vous en apprendrez davantage sur la pile technologique que nous utiliserons tout au long du cours (Section 1) et les bases et la syntaxe de la bibliothèque TensorFlow 2.0 (Section 2).

Dans Partie 2 du cours, nous allons plonger dans le monde passionnant de l’apprentissage profond. Au cours de cette partie du cours, vous implémenterez plusieurs types de réseaux de neurones (Fully Connected Neural Network (Section 3), Réseau neuronal convolutif (Section 4), Réseau neuronal récurrent (Section 5)). À la fin de cette partie, Section 6, vous apprendrez et construirez leur propre application d’apprentissage par transfert qui atteindra des résultats de pointe (SOTA) sur l’ensemble de données Chiens vs Chats.

Après avoir réussi la partie 2 du cours et finalement appris à mettre en œuvre des réseaux de neurones, Partie 3 du cours, vous apprendrez à créer votre propre bot de trading boursier en utilisant Reinforcement Learning, en particulier Deep-Q Network.

Partie 4 est tout au sujet de TensorFlow Extended (TFX). Dans cette partie du cours, vous apprendrez à travailler avec des données et à créer vos propres pipelines de données pour la production. Dans Section 8 nous vérifierons si l’ensemble de données présente des anomalies à l’aide de la bibliothèque de validation de données TensorFlow et après apprendre à vérifier un ensemble de données pour les anomalies, dans Section 9, nous créerons notre propre pipeline de prétraitement de données à l’aide de la bibliothèque TensorFlow Transform.

Dans Section 10 du cours, vous apprendrez et créerez votre propre API Fashion à l’aide de la bibliothèque Flask Python et d’un modèle pré-entraîné. Tout au long de cette section, vous aurez une meilleure idée de la façon d’envoyer une demande à un modèle sur Internet. Cependant, à ce stade, l’architecture autour du modèle n’est pas évolutive pour des millions de demandes. Entrer le Section 11. Dans cette section du cours, vous apprendrez comment améliorer la solution de la section précédente à l’aide de la bibliothèque TensorFlow Serving. De manière très simple, vous apprendrez et créerez votre propre API de classification d’images qui peut prendre en charge des millions de demandes par jour!

De nos jours, il est de plus en plus populaire d’avoir un modèle de Deep Learning dans une application Android ou iOS, mais les réseaux de neurones nécessitent beaucoup de puissance et de ressources! C’est là que la bibliothèque TensorFlow Lite entre en jeu. Dans Section 12 du cours, vous apprendrez à optimiser et à convertir n’importe quel réseau neuronal pour l’adapter à un appareil mobile.

Pour conclure avec le processus d’apprentissage et le Partie 5 du cours, dans Section 13 vous apprendrez à distribuer la formation de n’importe quel réseau neuronal à plusieurs GPU ou même à des serveurs à l’aide de la bibliothèque TensorFlow 2.0.

À qui s’adresse ce cours:

• Ingénieurs en apprentissage profond souhaitant apprendre Tensorflow 2.0
• Ingénieurs en intelligence artificielle qui souhaitent développer leurs compétences en matière de pile d’apprentissage profond
• Les informaticiens qui veulent entrer dans le domaine passionnant de l’apprentissage profond et de l’intelligence artificielle
• Les scientifiques des données qui souhaitent faire passer leurs compétences en IA au niveau supérieur
• Experts en IA qui souhaitent se développer dans le domaine des applications
• Les développeurs Python qui souhaitent entrer dans le domaine passionnant de l’apprentissage profond et de l’intelligence artificielle
• Ingénieurs qui travaillent dans la technologie et l’automatisation
• Hommes d’affaires et entreprises qui veulent prendre une longueur d’avance
• Les étudiants de programmes liés à la technologie qui souhaitent poursuivre une carrière en science des données, en apprentissage automatique ou en intelligence artificielle
• Toute personne passionnée par l’intelligence artificielle

Créé par Hadelin de Ponteves, Kirill Eremenko, SuperDataScience Team, Luka Anicin
Dernière mise à jour 8/2020
Anglais
Anglais [Auto-generated]

Taille: 5,12 Go

Sites Web conviviaux

Articles Similaires