Centre de Documentation Campus Montignies
Horaires :
Lundi : 8h-18h30
Mardi : 8h-17h30
Mercredi 9h-16h30
Jeudi : 8h30-18h30
Vendredi : 8h30-12h30 et 13h-14h30
Votre centre de documentation sera exceptionnellement fermé de 12h30 à 13h ce lundi 18 novembre.
Egalement, il sera fermé de 12h30 à 13h30 ce mercredi 20 novembre.
Lundi : 8h-18h30
Mardi : 8h-17h30
Mercredi 9h-16h30
Jeudi : 8h30-18h30
Vendredi : 8h30-12h30 et 13h-14h30
Votre centre de documentation sera exceptionnellement fermé de 12h30 à 13h ce lundi 18 novembre.
Egalement, il sera fermé de 12h30 à 13h30 ce mercredi 20 novembre.
Bienvenue sur le catalogue du centre de documentation du campus de Montignies.
Détail de l'auteur
Auteur Jean-Christophe Riat |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche
Deep Learning avec TensorFlow/Keras / Jean-Christophe Riat in Programmez !, 251 (mars 2022)
[article]
Titre : Deep Learning avec TensorFlow/Keras : contrôle de l'apprentissage avec les "callback" Type de document : texte imprimé Auteurs : Jean-Christophe Riat Année de publication : 2022 Article en page(s) : p. 69-72 Langues : Français (fre) Résumé : Dans les n°244 & 246 du magazine, nous avons utilisé les outils TensorFlow/Keras [1][2] pour classer des images par reconnaissance de leurs contenus. La technique utilisée est celle du « deep learning » avec des réseaux de neurones capables « d’apprendre » à partir d’une base d’exemples. La bonne exécution de cette phase d’apprentissage est primordiale pour garantir de bonnes performances. Cet article détaille les mécanismes de « callback » qui permettent de contrôler très précisément le déroulement de l’étape d’entraînement. Permalink : ./index.php?lvl=notice_display&id=101864
in Programmez ! > 251 (mars 2022) . - p. 69-72[article] Deep Learning avec TensorFlow/Keras : contrôle de l'apprentissage avec les "callback" [texte imprimé] / Jean-Christophe Riat . - 2022 . - p. 69-72.
Langues : Français (fre)
in Programmez ! > 251 (mars 2022) . - p. 69-72
Résumé : Dans les n°244 & 246 du magazine, nous avons utilisé les outils TensorFlow/Keras [1][2] pour classer des images par reconnaissance de leurs contenus. La technique utilisée est celle du « deep learning » avec des réseaux de neurones capables « d’apprendre » à partir d’une base d’exemples. La bonne exécution de cette phase d’apprentissage est primordiale pour garantir de bonnes performances. Cet article détaille les mécanismes de « callback » qui permettent de contrôler très précisément le déroulement de l’étape d’entraînement. Permalink : ./index.php?lvl=notice_display&id=101864 Exemplaires (1)
Cote Support Localisation Section Disponibilité Revue Revue Centre de Documentation HELHa Campus Montignies Salle de lecture - Etagère presse et actualité Document exclu du prêt - à consulter sur place
Exclu du prêtDeep Learning / Jean-Christophe Riat in Programmez !, 246 (Mai/juin 2021)
[article]
Titre : Deep Learning : programmation d'un réseau à convolution avec TensorFlow/Keras Type de document : texte imprimé Auteurs : Jean-Christophe Riat Année de publication : 2021 Article en page(s) : p. 37-41 Langues : Français (fre) Résumé : Dans le n°244, nous avions introduit le Deep Learning avec la programmation d’un réseau de neurones de type perceptron multicouche pour reconnaître des chiffres manuscrits. Pour poursuivre la découverte de l’univers de l’intelligence artificielle, nous décrirons aujourd’hui les réseaux à convolution qui ont démontré ces dernières années des performances remarquables en analyse d’images. L’exemple détaillé montre comment programmer un tel réseau, avec les outils TensorFlow/Keras [1][2], pour distinguer la présence d’un chat ou d’un chien sur des photos. Permalink : ./index.php?lvl=notice_display&id=103054
in Programmez ! > 246 (Mai/juin 2021) . - p. 37-41[article] Deep Learning : programmation d'un réseau à convolution avec TensorFlow/Keras [texte imprimé] / Jean-Christophe Riat . - 2021 . - p. 37-41.
Langues : Français (fre)
in Programmez ! > 246 (Mai/juin 2021) . - p. 37-41
Résumé : Dans le n°244, nous avions introduit le Deep Learning avec la programmation d’un réseau de neurones de type perceptron multicouche pour reconnaître des chiffres manuscrits. Pour poursuivre la découverte de l’univers de l’intelligence artificielle, nous décrirons aujourd’hui les réseaux à convolution qui ont démontré ces dernières années des performances remarquables en analyse d’images. L’exemple détaillé montre comment programmer un tel réseau, avec les outils TensorFlow/Keras [1][2], pour distinguer la présence d’un chat ou d’un chien sur des photos. Permalink : ./index.php?lvl=notice_display&id=103054 Exemplaires (1)
Cote Support Localisation Section Disponibilité Revue Revue Centre de Documentation HELHa Campus Montignies Salle de lecture - Etagère presse et actualité Document exclu du prêt - à consulter sur place
Exclu du prêtLe Deep Learning sans code avec la Teachable Machine ! / Jean-Christophe Riat in Programmez !, 264 (Juillet-août 2024)
[article]
Titre : Le Deep Learning sans code avec la Teachable Machine ! Type de document : texte imprimé Auteurs : Jean-Christophe Riat Année de publication : 2024 Article en page(s) : p. 46-47 Langues : Français (fre) Mots-clés : Deep Learning Teachable Machine Résumé : Beaucoup s’imaginent que réaliser une application de Deep Learning n’est accessible qu’avec de solides connaissances en programmation. Pourtant il existe des outils pour expérimenter ces techniques sans écrire la moindre ligne de code. Ainsi la Teachable Machine développée par Google
permet l’entraînement et la reconnaissance d’images ou de sons uniquement via une interface Web.Permalink : ./index.php?lvl=notice_display&id=118393
in Programmez ! > 264 (Juillet-août 2024) . - p. 46-47[article] Le Deep Learning sans code avec la Teachable Machine ! [texte imprimé] / Jean-Christophe Riat . - 2024 . - p. 46-47.
Langues : Français (fre)
in Programmez ! > 264 (Juillet-août 2024) . - p. 46-47
Mots-clés : Deep Learning Teachable Machine Résumé : Beaucoup s’imaginent que réaliser une application de Deep Learning n’est accessible qu’avec de solides connaissances en programmation. Pourtant il existe des outils pour expérimenter ces techniques sans écrire la moindre ligne de code. Ainsi la Teachable Machine développée par Google
permet l’entraînement et la reconnaissance d’images ou de sons uniquement via une interface Web.Permalink : ./index.php?lvl=notice_display&id=118393 Exemplaires (1)
Cote Support Localisation Section Disponibilité Revue Revue Centre de Documentation HELHa Campus Montignies Salle de lecture - Etagère presse et actualité Document exclu du prêt - à consulter sur place
Exclu du prêtDeep Learning : utilisation de réseaux déjà entraînés avec TensorFlow/Keras / Jean-Christophe Riat in Programmez !, Spécial Automne 2022 (Automne 2022)
[article]
Titre : Deep Learning : utilisation de réseaux déjà entraînés avec TensorFlow/Keras Type de document : texte imprimé Auteurs : Jean-Christophe Riat Année de publication : 2022 Article en page(s) : p. 50-53 Langues : Français (fre) Résumé :
Dans le N°246, nous avons détaillé la construction d’un réseau de neurones à convolution pour classer des images de chiens et de chats. Cette approche a nécessité de définir l’architecture du réseau puis de l’entraîner avec une base d’exemples. Dans cet article nous montrons comment utiliser des réseaux déjà entraînés pour identifier en temps réel des objets visualisés avec la Webcam de l’ordinateur.Permalink : ./index.php?lvl=notice_display&id=108247
in Programmez ! > Spécial Automne 2022 (Automne 2022) . - p. 50-53[article] Deep Learning : utilisation de réseaux déjà entraînés avec TensorFlow/Keras [texte imprimé] / Jean-Christophe Riat . - 2022 . - p. 50-53.
Langues : Français (fre)
in Programmez ! > Spécial Automne 2022 (Automne 2022) . - p. 50-53
Résumé :
Dans le N°246, nous avons détaillé la construction d’un réseau de neurones à convolution pour classer des images de chiens et de chats. Cette approche a nécessité de définir l’architecture du réseau puis de l’entraîner avec une base d’exemples. Dans cet article nous montrons comment utiliser des réseaux déjà entraînés pour identifier en temps réel des objets visualisés avec la Webcam de l’ordinateur.Permalink : ./index.php?lvl=notice_display&id=108247 Exemplaires (1)
Cote Support Localisation Section Disponibilité Revue Revue Centre de Documentation HELHa Campus Montignies Salle de lecture - Etagère presse et actualité Document exclu du prêt - à consulter sur place
Exclu du prêt