Deep Learning Avec Tensorflow Et Keras | Masterclass Python
Posted on 21 Feb 05:45 | by LeeAndro | 25 views
Derniere mise a jour : 1/2023MP4 | Video: h264, 1280x720 | Audio: AAC, 44.1 KHzLanguage: Francais | Size: 7.08 GB | Duration: 23h 0m
Apprenez a utiliser Python pour du Deep Learning (et Machine Learning) avec TensorFlow 2 de Google et l'API Keras !
What you'll learn
La theorie qui se cache derriere le Machine Learning et le Deep Learning
Utiliser TensorFlow 2.x pour le Deep Learning
Exploiter l'API de Keras pour construire rapidement des modeles de Deep Learning qui tournent sur TensorFlow 2
Construire des Reseaux de Neurones Artificiels (Artificial Neural Networks - ANNs)
Effectuer une classification d'images avec des Reseaux de Neurones Convolutifs (Convolutionnal Neural Networks - CNNs)
Predire de donnees de series temporelles ( Series) avec les Reseaux de Neurones Recurrents (Recurrent Neural Networks - RNNs)
Utiliser le Deep Learning pour l'imagerie medicale (reconnaissance de cellules de sang infectees ou non)
Generer du texte avec les RNNs et le traitement du langage naturel (Natural Language Processing - NLP)
Appliquer la reduction de dimensionnalite avec les Auto-Encodeurs (Encodeurs + Decodeurs)
Utiliser les Reseaux Adverses Generatifs (Generative Adversarial Networks - GANs) pour creer des images de toute piece
Deployer vos modeles TensorFlow de Deep Learning en production grace a une API Flask
Utiliser les GPUs ou PTUs avec Google Colab pour un Deep Learning accelere
Requirements
Savoir coder en Python
Quelques bases de mathematiques (telles que les derivees)
Description
Ce cours vous guidera dans l'utilisation du dernier Framework TensorFlow 2 de Google pour creer des Reseaux de Neurones Artificiels pour le Deep Learning ! Ce cours a pour but de vous donner un guide facile a comprendre sur les complexites du Framework TensorFlow version 2.x de Google (derniere version a jour).Nous nous attacherons a comprendre les dernieres mises a jour de TensorFlow et a exploiter l'API de Keras (l'API officielle de TensorFlow 2) pour construire rapidement et facilement des modeles. Dans ce cours, nous construirons des modeles pour predire des prix futurs de maisons, classer des images medicales, predire les donnees de ventes futures, generer artificiellement un nouveau texte complet et bien plus encore... !Ce cours est concu pour equilibrer la theorie et la mise en œuvre pratique, avec des guides de code complets de type "Notebook Google Colab" et des slides et notes faciles a consulter. Il y a egalement de nombreux exercices pour tester vos nouvelles competences au cours de la formation !Ce cours couvre une grande variete de sujets, notamment :Cours accelere sur la bibliotheque NumPyCours intensif et accelere sur l'analyse des donnees avec la bibliotheque PandasCours accelere sur la visualisation de donneesPrincipes de base des reseaux de neuronesPrincipes de base de TensorFlowNotions de syntaxe de KerasReseaux de Neurones Artificiels (ANNs)Reseaux a forte densite de connexionReseaux de Neurones Convolutifs (CNNs)Reseaux de Neurones Recurrents (RNNs)AutoEncodersReseaux Adversatifs Generateurs (GANs)Deploiement de TensorFlow en production avec Flasket bien plus encore !Keras, une API standard conviviale pour le Deep Learning, elle sera l'API centrale de haut niveau utilisee pour construire et entrainer les modeles. L'API de Keras facilite le demarrage de TensorFlow 2. Il est important de noter que Keras fournit plusieurs API de construction de modeles (sequentielle, fonctionnelle et de sous-classement), afin que vous puissiez choisir le bon niveau d'abstraction pour votre projet. La mise en œuvre de TensorFlow contient des ameliorations, notamment une execution rapide, pour une iteration immediate et un debogage intuitif, et tf. data, pour la construction de pipelines d'entree evolutifs.TensorFlow 2 facilite le passage des nouvelles idees du concept au code, et du modele a la publication. TensorFlow 2 integre un certain nombre de fonctionnalites qui permettent de definir et d'entrainer des modeles de pointe sans sacrifier la vitesse ou les performancesIl est utilise par de grandes entreprises dans le monde entier, notamment Airbnb, Ebay, Dropbox, Snapchat, Twitter, Uber, SAP, Qualcomm, IBM, Intel, et bien sur, Google !Comprendre et appliquer le Deep Learning des aujourd'hui, c'est possible ! On se retrouve dans le cours :)
Overview
Section 1: Presentation du cours, Telechargement, Mise en place de l'environnement de code
Lecture 1 Message de Bienvenue !
Lecture 2 Programme du cours
Lecture 3 Telechargement du contenu du cours (Code Python + Datasets)
Lecture 4 Mise en place de l'environnement de code + Telechargement du contenu du cours
Lecture 5 FAQ - Foire Aux Questions
Lecture 6 Cours Python (CADEAU)
Section 2: NumPy (cours accelere)
Lecture 7 Introduction a NumPy
Lecture 8 Les Tableaux NumPy
Lecture 9 Selection et Indexation NumPy
Lecture 10 Operations NumPy
Lecture 11 Exercices NumPy
Lecture 12 Solutions - Exercices NumPy
Lecture 13 BONUS - TOP 50 des fonctions NumPy
Section 3: Pandas (cours intensif et accelere)
Lecture 14 Introduction a Pandas
Lecture 15 Series Pandas
Lecture 16 DataFrames Pandas - Partie 1
Lecture 17 DataFrames Pandas - Partie 2
Lecture 18 Donnees manquantes avec Pandas
Lecture 19 Operations avec GroupBy
Lecture 20 Operations Pandas
Lecture 21 Data Input et Output
Lecture 22 Exercices Pandas
Lecture 23 Solutions - Exercices Pandas
Section 4: Visualisation de donnees (cours accelere)
Lecture 24 Introduction a la visualisation de donnees Python
Lecture 25 Bases Matplotlib
Lecture 26 Bases Seaborn
Lecture 27 Exercices Visualisation de donnees
Lecture 28 Solutions - Exercices Visualisation de donnees
Section 5: Machine Learning (Vue d'ensemble des concepts)
Lecture 29 Qu'est-ce que le Machine Learning
Lecture 30 Qu'est-ce que l'Apprentissage Supervise
Lecture 31 Qu'est-ce que l'Overfitting (Sur-Apprentissage)
Lecture 32 Evaluation des performances - Metrics d'erreurs de Classification
Lecture 33 Evaluation des performances ou Metrics d'erreurs de Regression
Lecture 34 Qu'est-ce que l'Apprentissage non Supervise
Section 6: Reseaux de Neurones Artificiels - ANNs
Lecture 35 Introduction a la section ANNs
Lecture 36 Modele de Perceptron
Lecture 37 Qu'est-ce qu'un reseau de neurones artificiel
Lecture 38 Les fonctions d'Activation
Lecture 39 Classification multi-classes
Lecture 40 Fonctions de Cout et Descente de gradient
Lecture 41 Backpropagation
Lecture 42 Tensorflow et Keras
Lecture 43 Les bases de la syntaxe Keras - Partie 1 - Preparation des Donnees
Lecture 44 Les bases de la syntaxe Keras - Partie 2 - Creation et Entrainement du Modele
Lecture 45 Les bases de la syntaxe Keras - Partie 3 - Evaluation du modele
Lecture 46 Regression avec Keras (code) - Analyse Exploratoire de Donnees (EDA)
Lecture 47 Regression avec Keras (code) - Analyse Exploratoire de Donnees - Suite
Lecture 48 Regression avec Keras (code) - Pre-traitement des Donnees et Creation du Modele
Lecture 49 Regression avec Keras (code) - Evaluation du Modele et Predictions
Lecture 50 Classification avec Keras (code) - EDA et pre-traitement
Lecture 51 Classification avec Keras (code) - Traitement de l'Overfitting et Evaluation
Lecture 52 Introduction aux options pour le Projet Tensorflow 2 / Keras
Lecture 53 Vue d'ensemble du Projet TensorFlow 2 / Keras
Lecture 54 Solutions Projet Keras - Analyse Exploratoire de Donnees (EDA)
Lecture 55 Solutions Projet Keras - Traitement des Donnees Manquantes
Lecture 56 Solutions Projet Keras - Traitement des Donnees Manquantes (Partie 2)
Lecture 57 Solutions Projet Keras - Donnees Categorielles
Lecture 58 Solutions Projet Keras - Pre-Traitement des Donnees
Lecture 59 Solutions Projet Keras - Creation et Entrainement du Modele
Lecture 60 Solutions Projet Keras - Evaluation du Modele
Lecture 61 Tensorboard
Section 7: Reseaux de Neurones de Convolution - CNNs
Lecture 62 Introduction aux CNNs
Lecture 63 Filtres et Noyaux d'Images
Lecture 64 Couches de Convolution
Lecture 65 Couches de Pooling
Lecture 66 Apercu du dataset MNIST
Lecture 67 CNN sur MNIST - Partie 1 - Data
Lecture 68 CNN sur MNIST - Partie 2 - Creation et Entrainement du Modele
Lecture 69 CNN sur MNIST - Partie 3 - Evaluation du Modele
Lecture 70 CNN sur CIFAR-10 - Partie 1 - Les Donnees
Lecture 71 CNN sur CIFAR-10 - Partie 2 - Evaluer le Modele
Lecture 72 Telechargement du dataset des Donnees Images plus realistes
Lecture 73 CNN sur des fichiers d'images reelles - Partie 1 - Lecture des Donnees
Lecture 74 CNN sur des fichiers d'images reelles - Partie 2 - Traitement des Donnees
Lecture 75 CNN sur des fichiers d'images reelles - Partie 3 - Creation du Modele
Lecture 76 CNN sur des fichiers d'images reelles - Partie 4 - Evaluation du Modele
Lecture 77 Exercice CNN
Lecture 78 Solution - Exercice CNN
Section 8: Reseaux de Neurones Recurrents - RNNs
Lecture 79 Introduction aux RNNs
Lecture 80 Theorie de base des RNNs
Lecture 81 Vanishing Gradients
Lecture 82 LSTM et GRU
Lecture 83 RNN - Batches
Lecture 84 RNN sur une onde sinusoidale - Les Donnees
Lecture 85 RNN sur une onde sinusoidale - Generateur de Batch
Lecture 86 RNN sur une onde sinusoidale - Creation du Modele
Lecture 87 RNN sur une onde sinusoidale - LSTMs et Previsions
Lecture 88 RNN sur une Series - Partie 1
Lecture 89 RNN sur une Series - Partie 2
Lecture 90 Exercice RNN
Lecture 91 Solutions - Exercice RNN
Lecture 92 Bonus - Series Multivarie - RNN et LSTMs
Section 9: Traitement du Langage Naturel - NLP
Lecture 93 Introduction a la section NLP
Lecture 94 NLP - Partie 1 - Les Donnees
Lecture 95 NLP - Partie 2 - Traitement du Texte
Lecture 96 NLP - Partie 3 - Creation des Batches
Lecture 97 NLP - Partie 4 - Creation du Modele
Lecture 98 NLP - Partie 5 - Entrainement du Modele
Lecture 99 NLP - Partie 6 - Generation du Texte
Section 10: Auto-Encodeurs
Lecture 100 Introduction aux Auto-Encodeurs
Lecture 101 Bases AutoEncoders
Lecture 102 AutoEncoder pour Reduction de Dimension
Lecture 103 AutoEncoder pour Donnees Image - Partie 1
Lecture 104 AutoEncoder pour Donnees Image - Partie 2
Lecture 105 Exercice AutoEncoder
Lecture 106 Solutions - Exercice AutoEncoder
Section 11: Reseaux Adverses Generatifs - GANs
Lecture 107 Vue d'ensemble des GANs
Lecture 108 Creer un GAN - Partie 1 - Les Donnees
Lecture 109 Creer un GAN - Partie 2 - Le Modele
Lecture 110 Creer un GAN - Partie 3 - Entrainement du Modele
Lecture 111 DCGAN - Deep Convolutional Generative Adversarial Networks
Section 12: Deploiement d'un modele de Deep Learning en production
Lecture 112 Introduction au Deploiement en production avec Flask
Lecture 113 Creation du modele de Deep Learning
Lecture 114 Fonction de Prediction du Modele
Lecture 115 Execution d'une application basique Flask
Lecture 116 Flask postman API
Lecture 117 Flask API - Utilisation de Requetes de Programmation
Lecture 118 Flask Front-End
Lecture 119 Etape Finale - Deploiement en Live sur le Web
Lecture 120 MERCI
Section 13: SECTION BONUS : MERCI
Lecture 121 Aide-memoire PYTHON pour la DATA SCIENCE
Lecture 122 Session Bonus
Developpeurs Python interesses par le Deep Learning et l'Intelligence Artificielle avec TensorFlow 2 et Keras,Toute personne interessee par la theorie et la pratique du Deep Learning
HomePage:
https://www.udemy.com/course/cours-complet-de-deep-learning-avec-tensorflow-et-keras/
DOWNLOAD
1dl
https://1dl.net/6a8zgcwqm98x/OkUsBEfi__Deep_Learn.part1.rar
https://1dl.net/f1rjgomixt03/OkUsBEfi__Deep_Learn.part2.rar
https://1dl.net/sai2so5z439b/OkUsBEfi__Deep_Learn.part3.rar
https://1dl.net/3neye447vxy4/OkUsBEfi__Deep_Learn.part4.rar
https://1dl.net/ynnmfoi5wz1s/OkUsBEfi__Deep_Learn.part5.rar
https://1dl.net/8dyghginlryr/OkUsBEfi__Deep_Learn.part6.rar
https://1dl.net/cfhgbg99182w/OkUsBEfi__Deep_Learn.part7.rar
https://1dl.net/tlcnufsytqcq/OkUsBEfi__Deep_Learn.part8.rar
uploadgig
https://uploadgig.com/file/download/49c3923b3A78cFd8/OkUsBEfi__Deep_Learn.part1.rar
https://uploadgig.com/file/download/3c3caFa3c43474fd/OkUsBEfi__Deep_Learn.part2.rar
https://uploadgig.com/file/download/784C5ca0327b5A61/OkUsBEfi__Deep_Learn.part3.rar
https://uploadgig.com/file/download/3304Dbf41Bda31f0/OkUsBEfi__Deep_Learn.part4.rar
https://uploadgig.com/file/download/6fC884Aa9419e512/OkUsBEfi__Deep_Learn.part5.rar
https://uploadgig.com/file/download/9cC6f45d247B46fd/OkUsBEfi__Deep_Learn.part6.rar
https://uploadgig.com/file/download/b1f0D282222dbA74/OkUsBEfi__Deep_Learn.part7.rar
https://uploadgig.com/file/download/5239ef1d2c781B5d/OkUsBEfi__Deep_Learn.part8.rar
rapidgator
https://rapidgator.net/file/639cc9fd93149441a04adc36825739ed/OkUsBEfi__Deep_Learn.part1.rar.html
https://rapidgator.net/file/2547b68c636bd4f44407d1afd186a357/OkUsBEfi__Deep_Learn.part2.rar.html
https://rapidgator.net/file/73924ade64f6ac18eab7bd5c12e564ea/OkUsBEfi__Deep_Learn.part3.rar.html
https://rapidgator.net/file/dd1e5ccfd33bbd6864573df8a7b46758/OkUsBEfi__Deep_Learn.part4.rar.html
https://rapidgator.net/file/8753ab96ae29788b89ae358ddc64d082/OkUsBEfi__Deep_Learn.part5.rar.html
https://rapidgator.net/file/d29f363da904b0692d21fdbb65b254eb/OkUsBEfi__Deep_Learn.part6.rar.html
https://rapidgator.net/file/1a821fff4f747f2da4a68b23aad21cec/OkUsBEfi__Deep_Learn.part7.rar.html
https://rapidgator.net/file/e74bdbd09d008e37bf8ab1895fb9a782/OkUsBEfi__Deep_Learn.part8.rar.html
Related News
System Comment
Information
Users of Visitor are not allowed to comment this publication.
Facebook Comment
Member Area
Top News