Keras et Tensorflow (deep learning by Google)

Geeks Anonymes & Data Science Liège présentent...


Keras et Tensorflow (deep learning by Google)

 

Tensorflow

 

 

Les  Geeks Anonymes et Data Science Liège (membre de la  Data Science Community) s’associent pour proposer un premier événement labellisé « Data Science » dans la Cité Ardente. 


Programme de la rencontre :

  • 12h00   Accueil (sandwich)
  • 12h30   Conférence « Keras & Tensorflow (Deep Learning by Google) » - Romain Mormont (ULiège) 
  • 14h00   Workshop - prise en main de Keras et Tensorflow (max. 30 personnes)
  • 14h00   Fin

Conférence

Orateur : Romain MORMONT (ULiège) 

Depuis quelques années, le deep learning (apprentissage profond), une famille de méthodes d'intelligence artificielle, fait beaucoup parler de lui. En effet, il a permis des progrès impressionnants dans la résolution de problèmes dont certains semblaient encore hors d'atteinte il y 5 ans. On pense notamment au système AlphaGo de DeepMind qui a battu un champion au jeu de Go mais d'autres domaines comme la reconnaissance de paroles ou d'images ont connu des avancées spectaculaires grâce au deep learning.

Avec la notoriété grandissantes de ces méthodes, des grandes entreprises et universités ont proposé des librairies et frameworks afin d'accélérer le dévelopement du domaine (que ce soit d'un point de vue recherche ou commercial). En 2015, Google a rendu open-source sa propre librairie de deep learning, TensorFlow.

Au programe de cette présentation

  • Bases théoriques sur le deep learning.
  • Tensorflow dans le paysage des frameworks de deep learning: points forts, points faibles,...
  • Les features clés de Tensorflow: exploration des fonctionnalités proposées par la librairie, illustrées par des exemples.
  • Keras, une interface à TensorFlow: ou comment être productif en travaillant avec TensorFlow ?

 

Workshop (max. 30 personnes)

Au cours du workshop, nous allons approcher le problème de classification de chiffres écrits à la main (MNIST). L'objectif est de construire graduellement des modèles performants pour résoudre ce problème. 
 

FICHIERS (À TÉLÉCHARGER)

Pré-requis:
- ordinateur portable, de préférence avec un GPU NVIDIA
- python 3.5
- tensorflow
- keras

Ressources d'installation (conseillées):
miniconda (pour python)  
tensorflow
keras

Données à télécharger: 
- MNIST: lancer le script check_install_and_load_data.py

 

Je m'inscris à la conférence (12h-14h)          Je m'inscris au workshop (14h - 16h)


 

Geeks anonymes

 

Logo LDSC