Formation Tensorflow - Analyse d'images

Objectifs

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

Public

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

Prérequis

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

Programme

Présentation

• 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

• Etude d'un modèle complet avec mise en place de l'apprentissage
• Evaluation 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)
• 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 modeles 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 objects connectés
• TensorFlow Extended : pour le déploiement de modèles dans un environnement de production

Moyens et Méthodes Pédagogiques

• La formation est constituée d’apports théoriques, d’exercices pratiques et de réflexions
• Un poste par stagiaire
• Formateur Expert
• Remise d’une documentation pédagogique papier ou numérique pendant le stage

Validation des acquis

• Auto évaluation des acquis par le stagiaire via un questionnaire en fin de formation
• Attestation de fin de stage remise avec la facture