Formation TensorFlow : Analyse d'images avec TensorFlow

Cette formation TensorFlow vous apprend à installer, paramétrer et optimiser TensorFlow pour l'analyse d'images. Elle peut être suivie après notre formation Deep Learning : Comprendre le Deep Learning avec TensorFlow (ADLP). Certains sujets étant communs aux deux formations, il pourra parfois y avoir un léger recouvrement,mais cette formation est plus dédiée à l'analyse d'images.

Objectif opérationnel : 

Savoir installer, paramétrer et optimiser TensorFlow pour l'analyse d'images.

Objectifs pédagogiques :

À l'issue de cette formation TensorFlow, vous aurez acquis les connaissances et les compétences nécessaires pour : 

• Mettre en œuvre TensorFlow pour de l'apprentissage machine
• Connaître les APIs disponibles pour réaliser des modèles fiables et efficaces

Public :

Ce cours TensorFlow s'adresse aux data-scientists et aux chefs de projet souhaitant comprendre le fonctionnement de TensorFlow.

Prérequis :

Pour suivre cette formation TensorFlow, il est nécessaire de connaître un langage de programmation (idéalement, Python) ainsi que les principes de base de la manipulation de données et du machine learning.

Présentation de TensorFlow

Historique du projet TensorFlow
Fonctionnalités
Architecture distribuée, plate-formes supportées

Premiers pas avec TensorFlow Core

Installation de TensorFlow
Principe des tenseurs, caractéristiques d'un tenseur : type de données, dimensions
Définition de tenseurs simples
Gestion de variables pour la persistance
Représentation des calculs et des dépendances entre opérations par des graphes

API Estimator

Étude d'un modèle complet avec mise en place de l'apprentissage
Évaluation de la qualité du modèle
Apprentissage, analyse de données et fourniture de prédictions
Tests avec Premade Estimators

Optimisation

Calculs distribués : différents types de stratégies (synchrone ou asynchrone), avec stockage centralisé des données ou dupliqué sur différents cpu
Distribution sur des GPUs
Utilisation de TPUs

Classification d'images

Notion de classification, cas d'usage
Présentation des outils : TensorFlow Hub, librairie de composants pour la construction de modèles d'apprentissage
Travaux pratiques avec les exemples fournis par TensorFlow

Extensions

TensorFlow.js : librairies javascript pour l'exécution de TensorFlow dans un navigateur ou avec node.js
TensorFlow Lite : pour le déploiement de modèles sur des android ou autre objets connectés
TensorFlow Extended : pour le déploiement de modèles dans un environnement de production