Acquérez des compétences pratiques en classification d’images grâce à Keras, aux réseaux neuronaux convolutifs (CNN), à l’apprentissage par transfert et à Google Colab. Conçu pour les apprenants souhaitant acquérir une expérience pratique du deep learning, ce cours axé sur des projets vous guide depuis la configuration de l’environnement et la préparation des jeux de données jusqu’à l’entraînement, l’évaluation, la visualisation et l’optimisation des modèles.

Vous mettrez en place un projet de classification d’images dans Google Colab, téléchargerez des fichiers et des ensembles de données, puis définirez la portée du projet. Vous utiliserez des modèles pré-entraînés pour l’apprentissage par transfert et visualiserez les couches intermédiaires des CNN afin de comprendre comment les réseaux extraient les caractéristiques des images. Vous créerez ensuite des architectures CNN avec augmentation d’images, compilerez et entraînerez des modèles, évaluerez les valeurs de perte et les performances, puis réentraînerez les modèles pour améliorer leur précision. Ce qui distingue ce cours, c’est son intégration étape par étape des outils basés sur le cloud, des modèles pré-entraînés, de l’augmentation d’images et de la visualisation des couches intermédiaires. Plutôt que de vous concentrer uniquement sur la théorie, vous construirez et améliorerez un modèle de classification d’images grâce à une mise en œuvre pratique. À l’issue de ce cours, vous serez en mesure d’appliquer les meilleures pratiques en matière de classification d’images et d’aborder avec davantage d’assurance des projets similaires d’apprentissage profond dans les domaines de la recherche, de l’enseignement supérieur ou de l’industrie.