Ce cours sur l'apprentissage profond fournit une introduction complète aux autoencodeurs, aux autoencodeurs variationnels (VAE) et aux réseaux antagonistes génératifs (GAN). Commencez par explorer comment les autoencodeurs compressent et reconstruisent les données, et découvrez comment les VAE ajoutent une modélisation probabiliste pour améliorer les capacités génératives. Apprenez le processus de formation des VAE et mettez en œuvre un VAE à l'aide de TensorFlow pour la génération d'images avec l'ensemble de données MNIST. Progressez vers la maîtrise des réseaux antagonistes génératifs (GAN) - comprenez leur approche d'entraînement accusatoire, comment le générateur et le discriminateur interagissent, et explorez les applications du monde réel. Acquérir une expérience pratique en construisant un GAN pour générer de fausses images réalistes grâce à des démonstrations étape par étape. Pour réussir ce cours, vous devez avoir une compréhension de base des réseaux neuronaux, des concepts d'apprentissage automatique et de la programmation Python.

À la fin de ce cours, vous serez en mesure de : - Mettre en œuvre et former des autoencodeurs et des VAE - Appliquer des VAE pour des tâches génératives telles que la synthèse d'images - Construire et former des GAN pour générer des données réalistes - Comprendre et appliquer l'apprentissage antagoniste dans des cas d'utilisation réels Idéal pour les développeurs IA aspirants, les ingénieurs ML et les scientifiques de données qui explorent l'apprentissage profond génératif.