BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Expert Team Tunisie - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Expert Team Tunisie
X-ORIGINAL-URL:https://www.expertunisie.com
X-WR-CALDESC:Évènements pour Expert Team Tunisie
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Africa/Tunis
BEGIN:STANDARD
TZOFFSETFROM:+0100
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20250101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Africa/Tunis:20260529T090000
DTEND;TZID=Africa/Tunis:20260601T150000
DTSTAMP:20260414T212910
CREATED:20260121T150740Z
LAST-MODIFIED:20260121T151957Z
UID:12140-1780045200-1780326000@www.expertunisie.com
SUMMARY:Google TensorFlow Developer Certificate
DESCRIPTION:Formation dédiée à la préparation de la Google TensorFlow Developer Certificate.\nElle permet de concevoir\, entraîner et optimiser des modèles de Deep Learning avec TensorFlow/Keras (Computer Vision\, NLP\, séries temporelles)\, conformément aux exigences de l’examen officiel.\nFormation de 4 jours\, orientée pratique\, avec projets et examens blancs. \n\nProgramme de la formation\n1. Fondamentaux TensorFlow & Keras :\n1.1 Présentation de l’écosystème TensorFlow\n1.2 Tensors\, graphes de calcul et pipelines de données\n1.3 API Keras : Sequential vs Functional\n1.4 Entraînement\, validation et callbacks\nTP : Implémentation d’un premier réseau de neurones dense \n2. Réseaux de neurones profonds (DNN) :\n2.1 Fonctions d’activation\n2.2 Fonctions de perte (loss functions) et optimiseurs\n2.3 Overfitting et techniques de régularisation\n2.4 Early stopping et généralisation\nTP : Modèle de classification tabulaire optimisé \n3. Computer Vision avec CNN :\n3.1 Convolutions et pooling\n3.2 Data augmentation\n3.3 Transfer Learning (MobileNet\, EfficientNet)\n3.4 Fine-tuning des modèles pré-entraînés TP : Classification d’images multi-classes \n4. NLP et séries temporelles :\n4.1 Tokenization et embeddings\n4.2 Réseaux récurrents : RNN\, LSTM\, GRU\n4.3 Modèles séquentiels\n4.4 Prévision des séries temporelles TP : Analyse de texte et forecasting \n5. Optimisation et performance des modèles :\n5.1 Choix et ajustement des hyperparamètres\n5.2 Batch size et learning rate scheduling\n5.3 Analyse et interprétation des métriques\n5.4 Gestion des erreurs courantes à l’examen\nTP : Amélioration et optimisation d’un modèle existant \n6. Simulation d’examen et certification :\n6.1 Revue complète du syllabus officiel\n6.2 Examens blancs chronométrés\n6.3 Correction détaillée et bonnes pratiques\n6.4 Stratégies de passage de l’examen\nTP : Mini-projets conformes au format de la certification
URL:https://www.expertunisie.com/voir_formation/google-tensorflow-developer-certificate/
CATEGORIES:Tests Logiciels
END:VEVENT
END:VCALENDAR