TensorFlow on Google Cloud - Français

This course covers designing and building a TensorFlow input data pipeline, building ML models with TensorFlow and Keras, improving the accuracy of ML models, writing ML models for scaled use, and writing specialized ML models.

• Présentation du cours
• Ce module présente le cours et ses objectifs.
• Présentation de l'écosystème TensorFlow
• Ce module présente le framework TensorFlow, ses composants principaux ainsi que la hiérarchie globale de l'API.
• Concevoir et créer un pipeline de données d'entrée
• Les données sont essentielles aux modèles de machine learning, mais collecter les bonnes ne suffit pas. Vous devez également vous assurer de mettre en place les processus adéquats pour nettoyer, analyser et transformer ces données si nécessaire, pour que les modèles puissent les exploiter pleinement. Dans ce module, nous verrons comment entraîner un modèle avec des ensembles de données volumineux grâce à tf.data, travailler avec des fichiers en mémoire et préparer les données pour l'entraînement. Pour terminer, nous évoquerons les représentations vectorielles continues et le scaling des données effectué à l'aide de couches de prétraitement tf.keras.
• Créer des réseaux de neurones avec l'API Keras et TensorFlow
• Dans ce module, nous aborderons les fonctions d'activation et expliquerons en quoi elles sont nécessaires pour permettre aux réseaux de neurones profonds d'identifier les cas de non-linéarité dans les données. Ensuite, nous présenterons les réseaux de neurones profonds avec les API Keras Sequential et Keras Functional avant d'évoquer le sous-classement, qui offre une plus grande flexibilité pour la création de modèles. Enfin, nous parlerons de la régularisation.
• Entraîner des modèles à grande échelle avec Vertex AI
• Dans ce module, nous verrons comment entraîner des modèles TensorFlow à grande échelle avec Vertex AI.
• Résumé
• Ce module résume le cours "TensorFlow on Google Cloud".