Deep learning - Perceptron avec TensorFlow / Keras sous Python

Machine learning. Réseaux de neurones. Instanciation, configuration, entraînement et évaluations de perceptrons simples (classifieur linéaire) et multicouches (classifieur non-linéaire) à l'aide du tandem TensorFlow / Keras sous Python. Standardisation des variables prédictives (explicatives). Codage en binaire (one-hot-encoding, codage disjonctif complet) du vecteur de la variable cible. Traduction des scores (probabilités) d'appartenance aux classes en prédiction lors du déploiement du modèle sur l'échantillon test. Exemple des données "segmentation" (classement d'images). Travail sous Jupyter Notebook avec un environnement dédié. Possibilité de travailler sous Google Colab. Données et notebook : http://tutoriels-data-mining.blogspot.com/2021/07/video-perceptron-avec-tensorflow-keras_18.html 00:00 Perceptrons et deep learning 08:14 Librairies pour le deep learning (TensorFlow et Keras) 12:15 Données "segmentation" 14:29 Google Colab vs. Travailler en local (Anaconda Python) 18:48 Démarrage du notebook 19:30 Importation et préparation des données 26:04 Transformation du vecteur cible en matrice d'indicatrices 29:58 Standardisation des variables explicatives (train et test) 32:15 Perceptron simple - Instanciation, configuration, entraînement 41:40 predict( ) sur l'échantillon test 45:54 Conversion des scores d'appartenance aux classes en prédiction 50:20 Matrice de confusion et indicateurs de performance 55:31 Perceptron multicouche