Tutoriels Youtube - Deep learning de Thibault Neveu Deep Learning - Les Bases C'est quoi le Deep learning ? Régression logistique Entrainement d'un modèle Frontière de décision Pré-activation et activation Définir l'erreur Descente de gradient Fonction de plusieurs variables Dérivés partielle de l'erreur Calcul des dérivés partielle de l'erreur Deep Learning API TensorFlow 2.0 (Google) Se former à Tensorflow 2.0 #1 Comment marche un neurone (Perceptron) - Se former à Tensorflow 2.0 #2 La descente de gradient - Se former à Tensorflow 2.0 #3 Les réseaux de neurones - Se former à Tensorflow 2.0 #4 Coder un simple réseau de neurone - Se former à Tensorflow 2.0 #5 Normalisation des données - Se former à Tensorflow 2.0 #6 La fonction d’erreur - Se former à Tensorflow 2.0 #7 Jeu d’entrainement, Jeu de validation , Jeu de test - Se former à Tensorflow 2.0 #8 Quelle fonction d’activation utiliser ? - Se former à Tensorflow 2.0 #9 Utiliser et sauvegarder un modèle - Se former à Tensorflow 2.0 #10 Le mode Eager et le mode Graph - Se former à Tensorflow 2.0 #11 Entraîner un modèle - Se former à Tensorflow 2.0 #12 Utiliser le Subclassing - Se former à Tensorflow 2.0 #13 Créer des layers customisé - Se former à Tensorflow 2.0 #14 Reconnaître des dessins - Se former à Tensorflow 2.0 #15 Gérer les données avec tf.data - Se former à Tensorflow 2.0 #16 Créer un modèle à Convolution - Se former à Tensorflow 2.0 #17 Générer des poèmes de Victor Hugo - Se former à Tensorflow 2.0 #18 Les lots séquentiels - Se former à Tensorflow 2.0 #19 Le one hot encoding - Se former à Tensorflow 2.0 #20 Coder un réseau de neurones récurrent - Se former à Tensorflow 2.0 #21 Générer des poèmes aléatoires (RNN) - Se former à Tensorflow 2.0 #22
