Expert

TensorFlow & Keras

Keras est l'outil le plus simple pour créer des réseaux de neurones en Python (intégré dans TensorFlow).

Workflow Keras

  1. Définir l'architecture (empiler les couches).
  2. Compiler (choisir l'optimiseur et la perte).
  3. Fit (entraîner sur les données).
  4. Evaluate (tester).
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# Création d'un réseau simple (Perceptron Multi-couches)
model = Sequential([
    Dense(64, activation='relu', input_shape=(10,)), # Couche cachée
    Dense(32, activation='relu'),                    # Couche cachée
    Dense(1, activation='sigmoid')                   # Sortie binaire
])

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

# model.fit(X_train, y_train, epochs=10)

💪 À vous de jouer !

Note Importante : Les bibliothèques de Deep Learning comme TensorFlow sont trop lourdes pour tourner directement dans ce navigateur.

Pour pratiquer, nous vous recommandons d'utiliser Google Colab, un environnement gratuit qui offre des GPU puissants.

Ouvrir Google Colab 🚀
  • Créez un nouveau notebook sur Colab.
  • Copiez-collez le code de la leçon.
  • Exécutez et modifiez les paramètres pour voir les résultats !
← Précédent Suivant →