Introducing TensorFlow Videos for a Global Audience: French
december 06, 2019
When the TensorFlow YouTube channel launched in 2018, we had a vision to inform and inspire developers around the world about what was possible with Machine Learning. With series like Coding TensorFlow showing how you can use it, and Made with TensorFlow showing inspirational stories about what people have done with TensorFlow and much more, the channel has grown greatly. But we learned an important lesson: it’s a global phenomenon, and to reach the world effectively, we should provide some of our best content in multiple languages with native speakers presenting. Check out the popular Zero to Hero series in French!

Apprentissage Automatique avec TensorFlow: Zero to Hero

Aujourd’hui, il n’est presque plus possible d’ouvrir un navigateur, un journal ou un livre sans voir quelque chose à propos de l’apprentissage automatique ou de l'Intelligence Artificielle. Il y a beaucoup d'informations et beaucoup de buzz médiatique. Dans cet esprit, Laurence Moroney de l’équipe de TensorFlow a produit une série de vidéos en quatre épisodes partant du point de vue du développeur, pour expliquer ce qu’est réellement l'apprentissage par machine. Cette série est basée sur l'IO 2019 et s'intitule "Apprentissage automatique: Zero to Hero avec TensorFlow".


Episode 1 : Vous allez apprendre ici que l'apprentissage automatique est un nouveau paradigme en programmation. Au lieu de programmer des règles explicitement comme en Java ou en C ++, vous allez construire un système qui se forme à partir des données pour en déduire les règles automatiquement. Mais à quoi ressemble réellement l’apprentissage automatique ? Ici, vous allez parcourir un exemple de type “Hello World” pour la construction d'un modèle d’apprentissage automatique. Cet exemple présente des idées qu’on va ensuite appliquer à un problème plus intéressant dans l’épisode 2: la vision par ordinateur.


Episode 2 : Vous allez découvrir des notions de base en vision par ordinateur pour apprendre à détecter et à reconnaître des objets différents. Il vous sera également possible de tenter un exemple par vous-même ici: https://goo.gle/34cHkDk


Episode 3 : On va discuter des réseaux neuronaux convolutionnels et de la raison pour laquelle ils sont si puissants dans les situations qui nécessitent la vision par ordinateur. Une convolution est un filtre qui est passé sur une image, le filtre traite l’image et en extrait des caractéristiques récurrentes. Dans cet épisode, vous allez voir comment fonctionnent les convolutions en traitant une image, pour voir si vous pouvez en extraire des caractéristiques ! Vous pouvez également essayer le codelab!: Http://bit.ly/2lGoC5f


Episode 4 : Vous allez voir comment créer un classifieur d'images pour le jeu shifumi ou pierre-papier-ciseaux. Dans le premier épisode, on a présenté un scénario de pierre-papier-ciseaux et on a discuté de la difficulté d'écrire du code pour détecter et classifier ces derniers. Tout au long de cette série sur l’apprentissage automatique, on a appris à créer des réseaux neuronaux : de la détection de motifs en pixels bruts à la classification, pour enfin arriver à la détection de caractéristiques à l'aide de convolutions. Dans cet dernier épisode, on a regroupé les informations des trois premiers épisodes de la série. Exercices Colab: http://bit.ly/2lXXdw5. Jeu de données Pierre-Papier-Ciseaux : http://bit.ly/2kbV92O

Nous espérons que vous avez apprécié cette série, et, s'il vous plaît, dites-nous si vous voulez en voir encore plus !
Next post
Introducing TensorFlow Videos for a Global Audience: French

When the TensorFlow YouTube channel launched in 2018, we had a vision to inform and inspire developers around the world about what was possible with Machine Learning. With series like Coding TensorFlow showing how you can use it, and Made with TensorFlow showing inspirational stories about what people have done with TensorFlow and much more, the channel has grown greatly. But we learned an import…