Formation Keras

Programme de formation Keras

Introduction, Deep learning Avec Keras

• Instalation de Keras et configuration
• Présentation des avantages et des fonctionnalités de Keras
• Configuration de Keras avec TensorFlow
• Concepts clés du deep learning
  • réseaux neuronaux
  • backpropagation
  • gradient descent

Architecture des Modèles de Base avec Keras

• Structure des modèles en Keras
  • API Séquentielle
  • API Fonctionnelle
• Création d’un modèle simple
• Utilisation des callbacks

Conception de Modèles Complexes

• Réseaux convolutifs ConvNets
• LSTM
• GRU
• Séries temporelles
• NLP
• Gestion des multiples entrées
• sorties avec l’API fonctionnelle

Optimisation des Modèles Keras

• Fonction de perte
  • categorical_crossentropy
  • mean_squared_error
• SGD
• Adam 
• RMSprop
• réglages des hyperparamètres
• Dropout
• BatchNormalization
• L2 regularization

Apprentissage par Transfert

• ResNet
• VGG
• Inception
• Chargement et ajustement d’un modèle
• classification d’images

Traitement du Langage Naturel avec Keras

• Modèles pour le NLP : LSTM et GRU
• Vectorisation avec embeddings
  • Word2Vec
  • GloVe
  • Embedding Layer
• analyse de sentiments sur des données textuelles

Séries Temporelles et Prévisions

• Préparation des données pour les séries temporelles
• Utilisation des RNN pour prédire des tendances
  • LSTM
  • Bi-directional
  • GRU

Intégration et Déploiement

• Sauvegarde et export des modèles
  • SavedModel
  • H5
• Intégration d’un modèle Keras dans une application
  • API Flask
  • TensorFlow Serving
• Déploiement sur le cloud
  • Google Cloud
  • AWS
  • Azure

Résolution des Problèmes

• Debugging des modèles Keras
• Visualisation des résultats avec TensorBoard
• data augmentation
• tuning des hyperparamètres
• Construire des modèles complexes adaptés à divers types de données
• Optimiser et déployer des réseaux neuronaux efficacement