Skip to content

djili/deep_learning_tensorflow

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

7 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Apprentissage du Deep Learning avec TensorFlow

Bienvenue dans ce dépôt dédié à l'apprentissage du Deep Learning avec TensorFlow ! Ce projet a pour objectif de fournir des ressources, des tutoriels et des exemples pratiques pour maîtriser les concepts fondamentaux et avancés du Deep Learning en utilisant TensorFlow.

Table des matières

Prérequis

Avant de commencer, assurez-vous d'avoir installé :

  • Python 3.9
  • Anaconda
  • Git (pour cloner le dépôt)
  • Un environnement virtuel anaconda (recommandé)

Installation

  1. Clonez le dépôt :

    git clone https://github.com/djili/Deep_learning_tensorflow.git
    cd Deep_learning_tensorflow
  2. Créez et activez un environnement virtuel conda (recommandé) :

    conda create environment.yml 
  3. Utilisez l'environnement virtuel :

    conda activate tensorflow-env

Structure du projet

Deep_learning_tensorflow/
├── notebooks/           # Jupyter notebooks des tutoriels
├── data/                # Jeux de données (à ajouter au .gitignore si volumineux)
├── environment.yml      # environment conda 
└── README.md            # description du depot

Contenu pédagogique

Niveau Débutant

  1. Introduction à TensorFlow(dossier intro)
    • Tensors et opérations de base
    • Graphes de calcul
    • Regression lineaire avec tensorflow

Comment contribuer

Les contributions sont les bienvenues ! Voici comment contribuer :

  1. Forkez le projet
  2. Créez une branche pour votre fonctionnalité (git checkout -b feature/nouvelle-fonctionnalite)
  3. Committez vos changements (git commit -m 'Ajout d'une nouvelle fonctionnalité')
  4. Poussez vers la branche (git push origin feature/nouvelle-fonctionnalite)
  5. Ouvrez une Pull Request

Ressources utiles

Licence

Ce projet est sous licence MIT. Voir le fichier LICENSE pour plus de détails.


Développé avec ❤️ par Abdou Khadre DIOP

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published