Creative Commons License

Année: 2021-2022

Travaux pratiques 1

Objectifs

  1. Rappels sur numpy, pandas, scikit-learn etc.
  2. Implémentation de perceptron en Python
  3. Implémentation de Multilayer perceptron en Python
  4. Introduction à Tensorflow 2.0+

Exercice 1.1 ★

Votre premier exercice consiste à télécharger le notebook Python Jupyter et à vous familiariser avec les différentes méthodes des bibliothèques: numpy, pandas, scikit-learn etc.

Exercice 1.2 ★★

Implémenter perceptron en Python avec les caractéristiques suivantes:

  1. Fonction d’activation configurable
  2. Nombre d’entrées configurables
  3. Nombre d’époques et taux de formation configurables
  4. Effectuer des prévisions

Tester votre modèle avec des fonctions simple.

Exercice 1.3 ★★★

Implémenter le perceptron à plusieurs couches en Python avec les caractéristiques suivantes

  1. Fonction d’activation configurable
  2. Nombre d’entrées configurables
  3. Nombre d’époques et taux de formation configurables
  4. Effectuer des prévisions
  5. Rétro-propagation du gradient

Tester votre modèle avec des fonctions simple.

Exercice 1.4 ★★★

Créer un modèle de réseau de neurones en utilisant Tensorflow. Votre objectif est de configurer les différents paramètres de votre modèle et tester le modèle avec l’ensemble de données d’écriture manuscrite du MNIST.

  1. Le nombre de couches cachées
  2. La configuration des couches cachées comme la fonction d’activation
  3. Le taux d’abandon de votre modèle
  4. Algorithmes d’optimisation
  5. Fonctions de perte

Évaluez votre modèle en utilisant les différents indicateurs disponibles (précision etc.)