Skip to main content

Introduction

Dans la première séance, nous avons posé les fondations du Machine Learning et découvert le Perceptron. Nous avons également mis en place notre environnement de développement. Il est maintenant temps de passer à la vitesse supérieure et d'explorer TensorFlow, l'un des frameworks de Deep Learning les plus populaires et les plus puissants.

Objectifs de la Séance
  • Comprendre la philosophie de TensorFlow et son approche basée sur les graphes de calcul.
  • Maîtriser le concept fondamental de tenseur.
  • Apprendre à créer et à manipuler des tenseurs avec TensorFlow.
  • Découvrir les variables TensorFlow et leur rôle dans les modèles de Machine Learning.
  • Construire et entraîner un premier modèle simple (régression linéaire) avec TensorFlow (sans utiliser Keras).
  • Visualiser la perte pendant l'entraînement.
  • Comprendre le processus d'entrainement avec la déscente de gradient.

Plan de la Séance​

Cette séance est divisée en trois parties :

  1. Introduction à TensorFlow : Nous découvrirons la philosophie de TensorFlow, son architecture et ses concepts clés (graphe de calcul, tenseurs, variables, opérations).

  2. Premiers Modèles avec TensorFlow : Nous allons mettre en pratique ces concepts en construisant un modèle de régression linéaire simple, en définissant la fonction de perte et en utilisant la descente de gradient pour l'entraîner.

  3. Introduction à Keras: Nous allons voir ce qu'est Keras.

tip

TensorFlow est un outil puissant, mais il peut sembler un peu complexe au début. N'hésitez pas à poser des questions et à expérimenter avec le code. L'objectif de cette séance est de vous familiariser avec les concepts de base, que nous approfondirons par la suite.