{"id":171033,"date":"2022-08-23T14:54:54","date_gmt":"2022-08-23T14:54:54","guid":{"rendered":"https:\/\/datascientest.com\/?p=171033"},"modified":"2023-11-09T14:03:44","modified_gmt":"2023-11-09T14:03:44","slug":"deep-learning-avec-python-decouvrez-les-fondamentaux","status":"publish","type":"post","link":"https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux","title":{"rendered":"Deep Learning avec Python : d\u00e9couvrez les fondamentaux"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"171033\" class=\"elementor elementor-171033\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-db5983d e-flex e-con-boxed e-con\" data-id=\"db5983d\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-18a2b4d elementor-widget elementor-widget-heading\" data-id=\"18a2b4d\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">Il est fort probable que vous utilisiez des applications qui font appel \u00e0 des mod\u00e8les de Deep Learning dans votre quotidien. En effet, traduction, ocr, reconnaissance faciale\u2026 Diverses de vos applications int\u00e8grent l\u2019apprentissage profond.<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8ed0678 elementor-widget elementor-widget-text-editor\" data-id=\"8ed0678\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p><span style=\"font-weight: 400;\">Cette application du Deep Learning \u00e0 \u00e9t\u00e9 rendue possible gr\u00e2ce \u00e0 la disponibilit\u00e9 des quantit\u00e9s importantes de donn\u00e9es dont ont besoin les algorithmes pour \u00eatre efficace ainsi que l\u2019avancement de la puissance de calcul des machines qui permet l&rsquo;entra\u00eenement de ces algorithmes.<\/span><\/p><p><span style=\"font-weight: 400;\">Il est possible de construire des mod\u00e8les de Deep Learning et de les entra\u00eener sous plusieurs langages, mais dans cet article, nous utiliserons <\/span><b><a href=\"https:\/\/datascientest.com\/python-tout-savoir\">Python<\/a> <\/b><span style=\"font-weight: 400;\">et ses librairies con\u00e7ues sp\u00e9cialement pour le Deep Learning\u00a0: <\/span><b><a href=\"https:\/\/datascientest.com\/tensorflow\">Tensorflow<\/a> <\/b><span style=\"font-weight: 400;\">et <\/span><b><a href=\"https:\/\/datascientest.com\/keras\">Keras<\/a><\/b><span style=\"font-weight: 400;\">.<\/span><\/p><p><span style=\"font-weight: 400;\">Keras est une librairie open source con\u00e7ue pour fournir tous les outils essentiels \u00e0 l\u2019exp\u00e9rimentation des r\u00e9seaux de neurones. Il est n\u00e9cessaire d\u2019avoir la librairie install\u00e9e sur votre environnement de travail. L\u2019environnement <\/span><b>Google<\/b> <b>Colab <\/b><span style=\"font-weight: 400;\">fournit l&rsquo;essentiel des pr\u00e9requis du Deep Learning et de la Data Science.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ffd7c27 elementor-widget elementor-widget-heading\" data-id=\"ffd7c27\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Entra\u00eenez votre premier r\u00e9seau de neurones<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6ab4a6e elementor-widget elementor-widget-text-editor\" data-id=\"6ab4a6e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Maintenant que vous avez pris connaissance des outils \u00e0 utiliser pour faire du Deep Learning, il est temps de mettre les mains \u00e0 la p\u00e2te et de construire, entra\u00eener et \u00e9valuer votre premier mod\u00e8le de Deep Learning.<\/span><\/p><p><span style=\"font-weight: 400;\">Mais pour cela vous ne serez pas seuls, nous avons con\u00e7u pour vous un tutoriel qui traite les <\/span><b>\u00e9tapes principales<\/b><span style=\"font-weight: 400;\"> que suit un Data Scientist pour entra\u00eener un r\u00e9seau de neurones. Nous expliquerons ces \u00e9tapes afin que vous puissiez effectuer le processus pour vos futures mod\u00e9lisations.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">Ouvrez d\u2019abord votre <\/span><b>Notebook Jupyter<\/b><span style=\"font-weight: 400;\"> ou <\/span><b>Colab <\/b><span style=\"font-weight: 400;\">pour attaquer la premi\u00e8re \u00e9tape. Vous pourrez simplement copier les cellules sur votre Notebook mais nous vous conseillons vivement de coder vous-m\u00eame afin de mieux assimiler la syntaxe. Rappelez-vous que c\u2019est en pratiquant que l\u2019on apprend.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-60fac43 elementor-widget elementor-widget-heading\" data-id=\"60fac43\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Chargement des donn\u00e9es :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-dc342ca elementor-widget elementor-widget-text-editor\" data-id=\"dc342ca\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Il est bien connu que pour r\u00e9aliser un projet de Deep Learning (ou pour faire de la Data Science en g\u00e9n\u00e9rale), il est n\u00e9cessaire d\u2019avoir une quantit\u00e9 importante de donn\u00e9es. Donc la premi\u00e8re \u00e9tape et naturellement la s\u00e9lection et l\u2019import de nos donn\u00e9es.<\/span><\/p><p><span style=\"font-weight: 400;\">L\u2019ensemble de donn\u00e9es que nous allons utiliser est tr\u00e8s connu par les data scientists, il s\u2019agit du <\/span><span style=\"font-weight: normal;\"><a href=\"https:\/\/www.tensorflow.org\/datasets\/catalog\/mnist\">Dataset MNIST<\/a>,<\/span><span style=\"font-weight: 400;\"> ce dernier rassemble pr\u00e8s de 60000 images de 28&#215;28 pixels de nombres \u00e9crits \u00e0 la main avec les nombres en num\u00e9rique comme variable cible. L\u2019objectif de notre mod\u00e8le sera de reconna\u00eetre le nombre \u00e9crit sur l\u2019image.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">Vous trouverez sur le scripte l\u2019import des librairies n\u00e9cessaires \u00e0 notre mod\u00e9lisation. Vous remarquerez aussi que le dataset est inclus dans le module Keras et qu\u2019on a deux diff\u00e9rents ensembles de donn\u00e9es, la partie <\/span><b>entrainement <\/b><span style=\"font-weight: 400;\">(train) et la partie <\/span><b>teste<\/b><span style=\"font-weight: 400;\"> (test)<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d2fcd76 elementor-widget elementor-widget-shortcode\" data-id=\"d2fcd76\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/ef5cc45b4a9fa25eb63db3ea38b75201.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6190e72 elementor-widget elementor-widget-text-editor\" data-id=\"6190e72\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Vous aurez comme r\u00e9sultat d\u2019ex\u00e9cution de cette premi\u00e8re cellule la taille de la dataset ainsi que les dimensions des images.<\/span><\/p><p><span style=\"font-weight: 400;\">Ici nous allons jeter un coup d\u2019\u0153il sur un \u00e9chantillons al\u00e9atoire d\u2019images avec leurs labels correspondant. \u00a0 <\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-dc1ccb9 elementor-widget elementor-widget-shortcode\" data-id=\"dc1ccb9\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/f8e8807bf77dfe2d8926c74c987f4f81.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ed18d88 elementor-widget elementor-widget-text-editor\" data-id=\"ed18d88\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Voici un exemple d\u2019ex\u00e9cution de la cellule ci-dessus.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f3088dd elementor-widget elementor-widget-heading\" data-id=\"f3088dd\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Pr\u00e9traitement des donn\u00e9es<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-42a9627 elementor-widget elementor-widget-text-editor\" data-id=\"42a9627\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Apr\u00e8s le chargement de vos donn\u00e9es, vous devez vous assurer qu\u2019elles soient pr\u00eates pour la phase d&rsquo;entra\u00eenement. Pour cela vous appliquerez quelques transformations \u00e0 ces derni\u00e8res. Notamment redimensionner, normaliser et encoder les donn\u00e9es.<\/span><\/p><p><span style=\"font-weight: 400;\">Mais pas de panique, encore une fois nous vous accompagnerons dans le processus et chaque pr\u00e9traitement sera expliqu\u00e9.<\/span><\/p><ul><li style=\"list-style-type: none;\"><ul><li style=\"font-weight: 400;\" aria-level=\"1\"><b>Redimensionnement<\/b><span style=\"font-weight: 400;\">\u00a0: Une particularit\u00e9 des algorithmes de machine learning et deep learning est qu\u2019ils ne prennent pas de matrices en entr\u00e9e. Ce qui vous am\u00e8ne \u00e0 transformer vos matrices de 28&#215;28 en vecteurs de taille 784.<\/span><\/li><li style=\"font-weight: 400;\" aria-level=\"1\"><b>Normalisation\u00a0: <\/b><span style=\"font-weight: 400;\">Cette \u00e9tape n\u2019est pas obligatoire pour l&rsquo;entra\u00eenement de votre mod\u00e8le mais peut booster sa performance, la normalisation est appliqu\u00e9e en divisant chaque pixel par 255. Consultez <\/span><strong><a href=\"https:\/\/datascientest.com\/normalisation-des-donnees\">cet article<\/a><\/strong><span style=\"font-weight: 400;\"> pour en apprendre plus sur la normalisation.\u00a0<\/span><\/li><\/ul><\/li><li aria-level=\"1\"><b>Encodage\u00a0: <\/b><span style=\"font-weight: 400;\">La transformation des labels en vecteurs cat\u00e9goriels permet d\u2019am\u00e9liorer la pr\u00e9cision de pr\u00e9diction.<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-200eea8 elementor-widget elementor-widget-shortcode\" data-id=\"200eea8\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/18fe6ba3b7bc9f4c54b53dcce2b54497.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-db3b241 elementor-widget elementor-widget-heading\" data-id=\"db3b241\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">D\u00e9finition du mod\u00e8le :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0d2eed8 elementor-widget elementor-widget-text-editor\" data-id=\"0d2eed8\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Maintenant que vos donn\u00e9es sont (vraiment) pr\u00eates, vous pouvez passer \u00e0 la mod\u00e9lisation de votre r\u00e9seau de neurones. C\u2019est l\u00e0 que vous allez construire votre mod\u00e8le couche par couche.<\/span><\/p><p><span style=\"font-weight: 400;\">Encore une fois, vous n\u2019\u00eates pas seuls pour la r\u00e9alisation. Nous allons vous accompagner dans la mod\u00e9lisation du r\u00e9seau ci-dessous.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7b0f374 elementor-widget elementor-widget-image\" data-id=\"7b0f374\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"673\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMAS_LABELS_CHIFFRES-1024x862.png\" class=\"attachment-large size-large wp-image-171375\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMAS_LABELS_CHIFFRES-1024x862.png 1024w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMAS_LABELS_CHIFFRES-300x253.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMAS_LABELS_CHIFFRES-768x647.png 768w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMAS_LABELS_CHIFFRES.png 1115w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6d5045c elementor-widget elementor-widget-text-editor\" data-id=\"6d5045c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">input et output : m\u00eame couleur<\/span><span style=\"font-weight: 400;\"><br \/><\/span><span style=\"font-weight: 400;\">couches milieu : m\u00eame couleur<\/span><\/p><p><span style=\"font-weight: 400;\">exemple : <\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b43b87e elementor-widget elementor-widget-image\" data-id=\"b43b87e\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"698\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMA_NEURONES-1024x894.png\" class=\"attachment-large size-large wp-image-171377\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMA_NEURONES-1024x894.png 1024w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMA_NEURONES-300x262.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMA_NEURONES-768x671.png 768w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMA_NEURONES-1536x1341.png 1536w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMA_NEURONES.png 1608w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-af0f822 elementor-widget elementor-widget-text-editor\" data-id=\"af0f822\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Le mod\u00e8le est constitu\u00e9 d\u2019une couche d\u2019entr\u00e9e (Input layer) avec un nombre de neurones \u00e9quivalent au nombre de caract\u00e9ristiques qu\u2019une donn\u00e9e peut avoir, dans notre cas c\u2019est le nombre de pixels d\u2019une image. Vous d\u00e9finissez votre couche d\u2019entr\u00e9e en utilisant le constructeur <\/span><b>Input <\/b><span style=\"font-weight: 400;\">de keras.layers en sp\u00e9cifiant la dimension de nos donn\u00e9es.<\/span><\/p><p><span style=\"font-weight: 400;\">Les couches cach\u00e9es (Hidden Layers) sont d\u00e9finies avec le constructeur <\/span><b>Dense<\/b><span style=\"font-weight: 400;\">, l&rsquo;argument <\/span><b>units<\/b><span style=\"font-weight: 400;\"> sert \u00e0 sp\u00e9cifier le nombre de neurones d\u2019une couche. Pour votre mod\u00e8le, vous initialiserez la premi\u00e8re avec 20 neurones et 14 pour la deuxi\u00e8me. Les deux couches cach\u00e9es utiliseront la fonction d\u2019activation <\/span><b>relu<\/b><span style=\"font-weight: 400;\">.<\/span><\/p><p><span style=\"font-weight: 400;\">La couche de sortie (Output Layer) quant \u00e0 elle aura un nombre de neurones \u00e9gale au nombre de classes distinctes, ici le nombre de chiffres, donc 10. Vous utiliserez aussi le constructeur <\/span><b>Dense <\/b><span style=\"font-weight: 400;\">avec la fonction <\/span><b>softmax <\/b><span style=\"font-weight: 400;\">qui nous donne une distribution entre 0 et 1 qui sont les probabilit\u00e9s d\u2019appartenance de notre donn\u00e9e aux classes respectives.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0c4aa8e elementor-widget elementor-widget-shortcode\" data-id=\"0c4aa8e\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/de0e124c68dc418ca77a23676ce07b42.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-825d29d elementor-widget elementor-widget-text-editor\" data-id=\"825d29d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Voil\u00e0 votre mod\u00e8le d\u00e9fini apr\u00e8s l\u2019ex\u00e9cution du code ci-dessus.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-44e5447 elementor-widget elementor-widget-heading\" data-id=\"44e5447\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Compilation du mod\u00e8le :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6033bb3 elementor-widget elementor-widget-text-editor\" data-id=\"6033bb3\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Nous savons que vous mourrez d\u2019envie de passer \u00e0 l&rsquo;entra\u00eenement du mod\u00e8le, mais une derni\u00e8re petite \u00e9tape s\u2019impose, c\u2019est la compilation de notre mod\u00e8le.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">La m\u00e9thode <\/span><b>compile <\/b><span style=\"font-weight: 400;\">configure le processus d&rsquo;entra\u00eenement du mod\u00e8le en sp\u00e9cifiant 3 param\u00e8tres importants.<\/span><\/p><ul><li style=\"font-weight: 400;\" aria-level=\"1\"><b>loss\u00a0: <\/b><span style=\"font-weight: 400;\">param\u00e8tre qui indique au mod\u00e8le sur quelle fonction de perte se baser pour calculer l\u2019erreur et l\u2019optimiser. Ici nous utiliserons la \u00ab\u00a0<\/span><b>categorical_crossentropy\u00a0\u00bb<\/b><\/li><li style=\"font-weight: 400;\" aria-level=\"1\"><b>optimizer\u00a0: <\/b><span style=\"font-weight: 400;\">ce param\u00e8tre d\u00e9finit l\u2019algorithme d\u2019optimisation que nous allons utiliser pour faire la descente de gradient de la fonction perte. On choisit l\u2019optimiseur <\/span><b>\u00ab\u00a0adam\u00a0\u00bb<\/b><span style=\"font-weight: 400;\"> qui donne en g\u00e9n\u00e9rale de bons r\u00e9sultats sur un grand ensemble de probl\u00e8me<\/span><\/li><li style=\"font-weight: 400;\" aria-level=\"1\"><b>metrics\u00a0: <\/b><span style=\"font-weight: 400;\">param\u00e8tre<\/span> <span style=\"font-weight: 400;\">servant \u00e0 choisir les m\u00e9triques d\u2019\u00e9valuation du mod\u00e8le pendant le processus d&rsquo;entra\u00eenement. La m\u00e9trique sp\u00e9cifi\u00e9e pour ce mod\u00e8le est l\u2019<\/span><b>accuracy <\/b><span style=\"font-weight: 400;\">(pr\u00e9cisions), la plus utilis\u00e9e pour les probl\u00e8mes de classification.<\/span><\/li><\/ul><p><span style=\"font-weight: 400;\">L\u2019ex\u00e9cution de la cellule suivante compilera votre mod\u00e8le et le rendra enfin pr\u00eat pour \u00eatre entra\u00een\u00e9. <\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-17fb67d elementor-widget elementor-widget-shortcode\" data-id=\"17fb67d\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/0ccdcc8741f51a041eef66bce64dec1e.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ad78a53 elementor-widget elementor-widget-heading\" data-id=\"ad78a53\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Entrainement du mod\u00e8le :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-202024a elementor-widget elementor-widget-text-editor\" data-id=\"202024a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Nous voil\u00e0 enfin arriv\u00e9 \u00e0 la phase d&rsquo;entra\u00eenement o\u00f9 toute la magie du Deep Learning op\u00e8re. Mais avant \u00e7a, quelques notions n\u00e9cessaires doivent \u00eatre expliqu\u00e9es.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">Les algorithmes de deep learning sont connus pour \u00eatre assez gourmands en donn\u00e9es o\u00f9 la taille des jeux de donn\u00e9es utilis\u00e9s pour entra\u00eener un r\u00e9seau de neurones atteignent des <\/span><b>centaines<\/b><span style=\"font-weight: 400;\">, voire des <\/span><b>milliers<\/b><span style=\"font-weight: 400;\"> de GO, donc pour permettre aux machines dot\u00e9es d\u2019une m\u00e9moire vive assez limit\u00e9e d&rsquo;entra\u00eener des mod\u00e8les, on divise notre dataset en parties de tailles consid\u00e9rablement inf\u00e9rieures appel\u00e9es <\/span><b>batchs<\/b><span style=\"font-weight: 400;\"> afin de pouvoir les charger plus facilement sur la RAM de la machine.<\/span><\/p><p><span style=\"font-weight: 400;\">Aussi, lorsque tous les batchs ont \u00e9t\u00e9 parcourus, on dit qu\u2019une <\/span><b>epoch<\/b><span style=\"font-weight: 400;\"> a \u00e9t\u00e9 compl\u00e9t\u00e9e. L\u2019apprentissage d\u2019un r\u00e9seau de neurones n\u00e9cessite plusieurs epochs<\/span><\/p><p>\u00a0<\/p><p><span style=\"font-weight: 400;\">Vous verrez que cette partie n\u2019est pas si compliqu\u00e9e, en effet il suffit d\u2019une seule ligne de code pour lancer l&rsquo;entra\u00eenement. Cependant, on vous a promis de vous expliquer chaque d\u00e9tail du code, donc ici vous ex\u00e9cuterez la m\u00e9thode fit sur votre mod\u00e8le avec votre ensemble de donn\u00e9es d&rsquo;entra\u00eenement (train dataset) comme arguments ainsi que des param\u00e8tres suppl\u00e9mentaires\u00a0:<\/span><\/p><ul><li style=\"list-style-type: none;\"><ul><li style=\"font-weight: 400;\" aria-level=\"1\"><b>batch_size\u00a0: <\/b><span style=\"font-weight: 400;\">le nombre d\u2019\u00e9chantillons de donn\u00e9es que contiendra un batch<\/span><\/li><\/ul><\/li><\/ul><ul><li aria-level=\"1\"><b>epoch\u00a0: <\/b><span style=\"font-weight: 400;\">le nombre d\u2019epochs n\u00e9cessaire \u00e0 l&rsquo;entra\u00eenement du mod\u00e8le<\/span><\/li><\/ul><ul><li aria-level=\"1\"><b>validation_split\u00a0: <\/b><span style=\"font-weight: 400;\">le pourcentage des donn\u00e9es qui serviront pour l\u2019\u00e9valuation de notre mod\u00e8le pendant son entra\u00eenement.<\/span><\/li><\/ul><p>\u00a0<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b9a8107 elementor-widget elementor-widget-shortcode\" data-id=\"b9a8107\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/83aaddf8e86426e5b97c87ed3d6048df.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d1208e5 elementor-widget elementor-widget-text-editor\" data-id=\"d1208e5\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Le temps d&rsquo;entra\u00eenement d\u2019un mod\u00e8le peut varier selon de multiples crit\u00e8res\u00a0: La taille du jeu de donn\u00e9es, la complexit\u00e9 de l\u2019architecture du mod\u00e8le, le nombre d\u2019epochs ainsi que la puissance de calcul.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-44d20f9 elementor-widget elementor-widget-heading\" data-id=\"44d20f9\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Evaluation du mod\u00e8le :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4ef9732 elementor-widget elementor-widget-text-editor\" data-id=\"4ef9732\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">F\u00e9licitations\u00a0! Vous venez d&rsquo;entra\u00eener votre premier mod\u00e8le de Deep Learning. Maintenant vous devez vous assurer de la performance de celui-ci en mesurant son accuracy (pr\u00e9cision).<\/span><\/p><p><span style=\"font-weight: 400;\">Comme mentionn\u00e9 plus haut, l\u2019accuracy est une m\u00e9trique d\u2019\u00e9valuation de classificateurs tel que c\u2019est le ratio des points correctement classifi\u00e9 sur le nombre total des donn\u00e9es.<\/span><\/p><p><span style=\"font-weight: 400;\">Ex\u00e9cuter ce code vous affichera la pr\u00e9cision d&rsquo;entra\u00eenement et de validation en fonction des <\/span><b>epochs<\/b><span style=\"font-weight: 400;\">. Un exemple de r\u00e9sultats obtenus suivra juste apr\u00e8s<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0cd6be0 elementor-widget elementor-widget-shortcode\" data-id=\"0cd6be0\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/faycelgnfd\/a2eb9371546d1892c6207107f0fca4b7.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-353f115 elementor-widget elementor-widget-image\" data-id=\"353f115\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"581\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMA_ACCURACY-1024x744.png\" class=\"attachment-large size-large wp-image-171378\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMA_ACCURACY-1024x744.png 1024w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMA_ACCURACY-300x218.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMA_ACCURACY-768x558.png 768w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/SCHEMA_ACCURACY.png 1293w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3be276d elementor-widget elementor-widget-text-editor\" data-id=\"3be276d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">La training accuracy est obtenue en faisant les tests avec les donn\u00e9es d\u2019apprentissage, c.-\u00e0-d. des donn\u00e9es que le mod\u00e8le a d\u00e9j\u00e0 vu avant. Alors que la validation accuracy est obtenue avec de nouvelles donn\u00e9es, ce qui explique cette diff\u00e9rence au niveau du graphe.<\/span><\/p><p><span style=\"font-weight: 400;\">Ici on a une validation accuracy de 95%, ce qui est tr\u00e8s satisfaisant comme r\u00e9sultat<\/span><\/p><p><span style=\"font-weight: 400;\">NB\u00a0: Vous n\u2019aurez pas forc\u00e9ment les m\u00eames r\u00e9sultats que ceux affich\u00e9s car ils d\u00e9pendent de l\u2019initialisation des poids du mod\u00e8le qui est al\u00e9atoire, mais la diff\u00e9rence ne sera pas flagrante.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0ad352e elementor-widget elementor-widget-heading\" data-id=\"0ad352e\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Devenez Pro du Deep Learning !<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3c56f69 elementor-widget elementor-widget-text-editor\" data-id=\"3c56f69\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Maintenant que vous savez construire, entra\u00eener et tester votre propre r\u00e9seau de neurones, vous pourrez vous plonger dans le monde du Deep Learning et tenter plein de nouvelles choses. Pour ce mod\u00e8le, vous pouvez essayer de modifier l\u2019architecture, les fonctions d\u2019activation ou les param\u00e8tres d&rsquo;entra\u00eenement. Pour cela, vous pouvez jeter un coup d\u2019\u0153il sur la <\/span><a href=\"https:\/\/www.tensorflow.org\/api_docs\/python\/tf\/keras\"><span style=\"font-weight: 400;\"><strong>documentation<\/strong><\/span><\/a><span style=\"font-weight: 400;\"> de Keras.<\/span><\/p><p><span style=\"font-weight: 400;\">Lancez vous sur de nouveaux projets qui traitent des donn\u00e9es de sources nouvelles et diff\u00e9rentes. Ne vous limitez pas qu\u2019\u00e0 un seul type de donn\u00e9es, attaquez les donn\u00e9es structur\u00e9es et le NLP par exemple.<\/span><\/p><p><span style=\"font-weight: 400;\">N\u2019h\u00e9sitez pas aussi \u00e0 rester \u00e0 jour sur notre blog qui regorge de connaissances sur le Deep Learning, comme <\/span><strong><a href=\"https:\/\/datascientest.com\/deep-learning-definition\">cet article<\/a><\/strong><span style=\"font-weight: 400;\"> qui approfondira vos connaissances th\u00e9oriques sur le sujet.<\/span><\/p><p><span style=\"font-weight: 400;\">Et si vous souhaitez monter en comp\u00e9tence en Deep Learning, d\u00e9couvrez les parcours experts pens\u00e9s par DataScientest.\u00a0<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-100469f elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"100469f\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formation-deep-learning\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">D\u00e9couvrir la formation en Deep Learning<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Il est fort probable que vous utilisiez des applications qui font appel \u00e0 des mod\u00e8les de Deep Learning dans votre quotidien. En effet, traduction, ocr, reconnaissance faciale\u2026 Diverses de vos applications int\u00e8grent l\u2019apprentissage profond. Cette application du Deep Learning \u00e0 \u00e9t\u00e9 rendue possible gr\u00e2ce \u00e0 la disponibilit\u00e9 des quantit\u00e9s importantes de donn\u00e9es dont ont besoin [&hellip;]<\/p>\n","protected":false},"author":77,"featured_media":173518,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2497],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Deep Learning avec Python : d\u00e9couvrez les fondamentaux<\/title>\n<meta name=\"description\" content=\"Diverses de vos applications int\u00e8grent l\u2019apprentissage profond.\u200b Cette application du Deep Learning \u00e0 \u00e9t\u00e9 rendue possible gr\u00e2ce \u00e0 la disponibilit\u00e9 des quantit\u00e9s importantes de donn\u00e9es dont ont besoin les algorithmes pour \u00eatre efficace ainsi que l\u2019avancement de la puissance de calcul des machines qui permet l&#039;entra\u00eenement de ces algorithmes.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Deep Learning avec Python : d\u00e9couvrez les fondamentaux\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux\" \/>\n<meta property=\"og:site_name\" content=\"Formation Data Science | DataScientest.com\" \/>\n<meta property=\"article:published_time\" content=\"2022-08-23T14:54:54+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-11-09T14:03:44+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/COUV_ARTICLE_DEEPL_PYTHON_2.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1025\" \/>\n\t<meta property=\"og:image:height\" content=\"562\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Raphael Kassel\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Raphael Kassel\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"9 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux\",\"url\":\"https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux\",\"name\":\"Deep Learning avec Python : d\u00e9couvrez les fondamentaux\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/#website\"},\"datePublished\":\"2022-08-23T14:54:54+00:00\",\"dateModified\":\"2023-11-09T14:03:44+00:00\",\"author\":{\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1\"},\"description\":\"Diverses de vos applications int\u00e8grent l\u2019apprentissage profond.\u200b Cette application du Deep Learning \u00e0 \u00e9t\u00e9 rendue possible gr\u00e2ce \u00e0 la disponibilit\u00e9 des quantit\u00e9s importantes de donn\u00e9es dont ont besoin les algorithmes pour \u00eatre efficace ainsi que l\u2019avancement de la puissance de calcul des machines qui permet l'entra\u00eenement de ces algorithmes.\",\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/#website\",\"url\":\"https:\/\/datascientest.com\/\",\"name\":\"Formation Data Science | DataScientest.com\",\"description\":\"Leader de la formation en Data Science\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1\",\"name\":\"Raphael Kassel\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"contentUrl\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"caption\":\"Raphael Kassel\"},\"description\":\"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \\\"Chef de projet IA\\\" et \\\"Data Product Manager\\\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/raphaelkassel\/\",\"Data Science\"],\"url\":\"https:\/\/datascientest.com\/author\/raphaelkassel\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Deep Learning avec Python : d\u00e9couvrez les fondamentaux","description":"Diverses de vos applications int\u00e8grent l\u2019apprentissage profond.\u200b Cette application du Deep Learning \u00e0 \u00e9t\u00e9 rendue possible gr\u00e2ce \u00e0 la disponibilit\u00e9 des quantit\u00e9s importantes de donn\u00e9es dont ont besoin les algorithmes pour \u00eatre efficace ainsi que l\u2019avancement de la puissance de calcul des machines qui permet l'entra\u00eenement de ces algorithmes.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux","og_locale":"fr_FR","og_type":"article","og_title":"Deep Learning avec Python : d\u00e9couvrez les fondamentaux","og_url":"https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux","og_site_name":"Formation Data Science | DataScientest.com","article_published_time":"2022-08-23T14:54:54+00:00","article_modified_time":"2023-11-09T14:03:44+00:00","og_image":[{"width":1025,"height":562,"url":"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/08\/COUV_ARTICLE_DEEPL_PYTHON_2.png","type":"image\/png"}],"author":"Raphael Kassel","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"Raphael Kassel","Dur\u00e9e de lecture estim\u00e9e":"9 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux","url":"https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux","name":"Deep Learning avec Python : d\u00e9couvrez les fondamentaux","isPartOf":{"@id":"https:\/\/datascientest.com\/#website"},"datePublished":"2022-08-23T14:54:54+00:00","dateModified":"2023-11-09T14:03:44+00:00","author":{"@id":"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1"},"description":"Diverses de vos applications int\u00e8grent l\u2019apprentissage profond.\u200b Cette application du Deep Learning \u00e0 \u00e9t\u00e9 rendue possible gr\u00e2ce \u00e0 la disponibilit\u00e9 des quantit\u00e9s importantes de donn\u00e9es dont ont besoin les algorithmes pour \u00eatre efficace ainsi que l\u2019avancement de la puissance de calcul des machines qui permet l'entra\u00eenement de ces algorithmes.","inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/deep-learning-avec-python-decouvrez-les-fondamentaux"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/#website","url":"https:\/\/datascientest.com\/","name":"Formation Data Science | DataScientest.com","description":"Leader de la formation en Data Science","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"fr-FR"},{"@type":"Person","@id":"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1","name":"Raphael Kassel","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datascientest.com\/#\/schema\/person\/image\/","url":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","contentUrl":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","caption":"Raphael Kassel"},"description":"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \"Chef de projet IA\" et \"Data Product Manager\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.","sameAs":["https:\/\/www.linkedin.com\/in\/raphaelkassel\/","Data Science"],"url":"https:\/\/datascientest.com\/author\/raphaelkassel"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/171033"}],"collection":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/users\/77"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/comments?post=171033"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/171033\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media\/173518"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media?parent=171033"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/categories?post=171033"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/tags?post=171033"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}