Name: #21 Tensorflow et l’apprentissage profond, sans les équations différentielles
Start: 2017-03-29T19:00:00+02:00
End: 2017-03-29T21:30:00+02:00
Location: Harry Cow

Qui n’a jamais entendu ces 2 buzzwords du moment : Deep Learning & Tensorflow ?

C'est indéniable, le Deep Learning, c'est le sujet à la mode !

Même si ce sujet reste un domaine de recherche très pointu, ses concepts deviennent de plus en plus accessibles, notamment à grâce à la présence de nombreux frameworks open sources et de formations sur Internet.

Tensorflow est le framework d’intelligence artificielle de Google.

https://lh5.googleusercontent.com/bgqF7GH-3rUvsDkrEtexZFpJ5ICTSKxShCu0G35Y0GgsKz_yW8tMFfGeV26Yz-60iJmcYk5NC77KKWJPV1u81XIabYiH59-cR7wl8N9Ilh9NRaHPoohCHD64AheOLx1NKMY2t6zW

Avec cet outil, l’apprentissage automatique franchit le pas entre la science de laboratoire et le métier d’ingénieur.

Dans cette session, nous vous montrerons comment choisir la bonne architecture de réseau de neurones pour votre problème et comment bien gérer son apprentissage.

Savoir résoudre des équations différentielles n’est plus nécessaire.

Des problèmes difficiles comme la reconnaissance de l’écriture manuscrite peuvent maintenant être résolus avec quelques lignes de Python/Tensorflow et une collection de trucs & astuces d’ingénieur.

--------------------------------------------------------------------------------------------------------

Bio :

Martin Gorner, Google Developer Relations. Martin se passionne pour la science, la technologie, l'informatique, les algorithmes et tout ce qui s'en rapproche. Après avoir obtenu son diplôme d'ingénieur à Mines Paris-Tech, Martin a commencé sa carrière dans le groupe "computer architecture" chez ST Microelectronics. Il a ensuite passé les 11 années suivantes dans le domaine naissant des livres électroniques, d'abord avec la start-up mobipocket.com, qui est ensuite devenue la partie logicielle du Kindle d'Amazon et ses versions mobiles. Il a rejoint Google en 2011 et il s'y consacre aux sujets big data (Cloud Dataflow) et Machine Learning (Tensorflow)

Agenda:

• 18h45 - Accueil de participants et news du monde data science

• 19h15-20h15 - Présentation Deep Learning première partie

• 20h15-20h30 - Pause

• 20h30-21h30 - Présentation Deep Learning deuxième partie

• 21h30 - Moment apéro et échange entre les membres

Un grand merci à nos sponsors :

https://lh6.googleusercontent.com/phwjGQ46YBEixxqJMdI-mgs5UmhbMM1ygTZhHtYh_8yrsYvXeFT2fLWPDQfxDItZJMV-91CHavRUi6379EvzxtXm-gD9sngVMLekgb8B0LEAFU9VDiEb7TvQBATQ5Qub3QKgTa2S

https://lh6.googleusercontent.com/gjLST2ZWCwag0NnTcwdulBqqgv7xOZ1IC9y1bp5IGZscy2dggIOstXA-IlkdjVX4VP-b0_knYT5lZSiCdgsTdjcpsmrtgyqukh_vJ1V9w50RIK04VFoj0ZBjb5BKQKJYklPFyHhb

Un merci tout spécial à Nathalie et Benoit d’Harry Cow qui nous prête gracieusement leur salle de conférence.

https://lh5.googleusercontent.com/ytoaIYns5gT1jIVKhVvTcnxiCf-ZdyFvOM9R1jr3goTdMwFvlyuHRQimSqmgHJQ3SAX6HO5uMjHt09WKOXtCKSBkqT-FzXruYywA3d0V-R4oPwzmsxnKZDS835xmByJj8el25f7H

------------------------------------------------------------------

Les meetups peuvent être filmés et le public photographié au long de l'événement. En participant à ces rencontres vous autorisez la publication des photos sur notre site Toulouse Data Science Meetup. Cette autorisation n'inclut pas une utilisation publicitaire d'image.

------------------------------------------------------------------

Alexia Audevart

Noémie Salaün-Penquer

Reynald Rivière

Tina Nguyen Huynh

stéphane le couls

Stéphane Monteil

Samia Drappeau

Lamjed Ben Jabeur

Toulouse Data Science

Technology

Open Source

New Technology

Data Management

Data Analytics

Business Intelligence

Big Data

Machine Learning

Data Visualization

Predictive Analytics

Data Mining

NoSQL

Business Analytics

Data Science

Applied Statistics

#21 Tensorflow et l’apprentissage profond, sans les équations différentielles

Harry Cow

Share

Toulouse Data Science

#21 Tensorflow et l’apprentissage profond, sans les équations différentielles

Toulouse Data Science

Details

Members are also interested in