Analyse d’images avec TensorFlow

  • Référence : PYCB054
  • Durée : 3 jours (21 heures)
  • Certification : Non
  • Eligible CPF : Non

CONNAISSANCES PREALABLES

  • Connaissance d'un langage de programmation comme python et des principes de base de la manipulation de données et du machine learning

PROFIL DES STAGIAIRES

  • Chefs de projet, data-scientists, souhaitant comprendre le fonctionnement de tensorflow

OBJECTIFS

  • Savoir mettre en oeuvre TensorFlow pour de l'apprentissage machine, connaitre les APIs disponibles pour réaliser des modèles fiables et efficaces

METHODES PEDAGOGIQUES

  • 6 à 12 personnes maximum par cours, 1 poste de travail par stagiaire
  • Remise d’une documentation pédagogique papier ou numérique pendant le stage
  • La formation est constituée d’apports théoriques, d’exercices pratiques et de réflexions

METHODES D'EVALUATION DES ACQUIS

  • Auto-évaluation des acquis par le stagiaire via un questionnaire
  • Attestation de fin de stage adressée avec la facture

FORMATEUR

Consultant-Formateur expert Bigdata

CONTENU DU COURS

1 - Présentation

  • Historique du projet tensorFlow
  • Fonctionnalités
  • Architecture distribuée, plate-formes supportées

2 - 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

3 - API Estimator

  • Etude 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

4 - 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

5 - Classification d'images

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

6 - 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 objects connectés
  • TensorFlow Extended:pour le déploiement de modèles dans un environnement de production
cookie