Mise à jour en mai 2025.Ce cours intègre désormais Coursera Coach ! Une façon plus intelligente d'apprendre avec des conversations interactives en temps réel qui vous aident à tester vos connaissances, à remettre en question vos hypothèses et à approfondir votre compréhension à mesure que vous progressez dans le cours.Libérez le potentiel de l'apprentissage profond en maîtrisant les réseaux neuronaux convolutifs (CNN) et l'apprentissage par transfert avec une expérience pratique utilisant TensorFlow et Keras.Ce cours offre une introduction complète aux CNN, vous guidant à travers leurs fondements théoriques, leurs implémentations pratiques et leurs applications à la fois dans la classification d'images et de textes. Avec un codage pratique dans TensorFlow, vous construirez, optimiserez et expérimenterez avec des ensembles de données du monde réel comme CIFAR-10 et Fashion MNIST. Plongez au cœur des réseaux neuronaux convolutifs (CNN) avec TensorFlow. En commençant par les bases de la convolution, vous explorerez des sujets avancés comme l'augmentation des données, la normalisation des lots et l'apprentissage par transfert. Vous travaillerez non seulement sur des ensembles de données d'images, mais vous aurez également un aperçu de l'application des CNN pour le traitement du langage naturel (NLP). Que vous construisiez à partir de zéro ou que vous utilisiez des modèles pré-entraînés, ce cours vous permet d'acquérir les compétences nécessaires pour déployer les CNN dans des applications réelles. Le cours commence par établir une solide compréhension théorique des CNN, en décomposant les convolutions, les filtres et les couches. Après cela, vous mettrez en œuvre des CNN pour des ensembles de données populaires tels que Fashion MNIST et CIFAR-10, en plongeant dans des sessions de codage pratiques avec TensorFlow et Keras. Des exercices pratiques tels que l'augmentation des données et la normalisation des lots renforceront votre capacité à améliorer les performances des modèles. Plus tard, vous explorerez les CNN dans le contexte du traitement du langage naturel, en comprenant comment les CNN peuvent être appliqués à la classification de texte. La dernière section se concentre sur l'apprentissage par transfert, où vous travaillerez avec des modèles pré-entraînés comme VGG et ResNet et les appliquerez à de nouveaux ensembles de données. Ce cours est idéal pour les scientifiques de données, les ingénieurs en apprentissage automatique et les développeurs familiers avec Python, TensorFlow et les concepts de base de l'apprentissage profond. Vous devez avoir une solide compréhension des réseaux de neurones, et une expérience du codage en Python est nécessaire pour suivre les aspects pratiques du cours. La familiarité avec TensorFlow est recommandée mais pas obligatoire.