Analyse d’images avec TensorFlow

1 - Présentation

• Historique du projet tensorFlow
• Fonctionnalités
• Architecture distribuée, plate-formes supportées

2 - Premiers pas avec TensorFlow Core

• Installation de TensorFlow
• Principe des tenseurs, caractéristiques d’un tenseur : type de données, dimensions
• Définition de tenseurs simples, gestion de variables pour la persistance, représentation des calculs et des dépendances entre opérations par des graphes

3 - API Estimator

• Etude d’un modèle complet avec mise en place de l’apprentissage, évaluation de la qualité du modèle, apprentissage, analyse de données et fourniture de prédictions
• Tests avec Premade Estimators

4 - Optimisation

• Calculs distribués : différents types de stratégies (synchrone ou asynchrone), avec stockage centralisé des données ou dupliqué sur différents cpu
• Distribution sur des GPUs
• Utilisation de TPUs

5 - Classification d'images

• Notion de classification, cas d’usage
• Présentation des outils : TensorFlow Hub, librairie de composants pour la construction de modeles d’apprentissage
• Travaux pratiques avec les exemples fournis par TensorFlow

6 - Extensions

• TensorFlow.js:librairies javascript pour l ‘exécution de TensorFlow dans un navigateur ou avec node.js
• TensorFlow Lite:pour le déploiement de modèles sur des android ou autre objects connectés
• TensorFlow Extended:pour le déploiement de modèles dans un environnement de production