Dans ce projet guidé d'une durée de 2 heures, nous utiliserons Keras Tuner pour trouver les hyperparamètres optimaux pour un modèle Keras. Keras Tuner est un package open source pour Keras qui peut aider les praticiens de l'apprentissage automatique à automatiser les tâches de réglage des Hyperparamètres pour leurs modèles Keras. Les concepts appris dans ce projet s'appliqueront à travers une variété d'architectures de modèles et de scénarios de problèmes. Veuillez noter que nous allons apprendre à utiliser Keras Tuner pour l'accord des Hyperparamètres, et que nous n'allons pas mettre en œuvre les algorithmes d'accord nous-mêmes. Au moment de l'enregistrement de ce projet, Keras Tuner dispose de quelques algorithmes d'accord, y compris la recherche aléatoire, l'optimisation bayésienne et HyperBand. Afin de compléter ce projet avec succès, vous aurez besoin d'une expérience préalable de programmation en Python. Il s'agit d'un projet guidé pratique pour les apprenants qui ont déjà une compréhension théorique des Réseaux neurones, et des algorithmes d'optimisation comme la descente de gradient, mais qui veulent comprendre comment utiliser Keras Tuner pour commencer à optimiser les hyperparamètres pour l'entrainement de leurs modèles Keras. Vous devriez également être familier avec l'API de Keras. Base : Ce cours fonctionne mieux pour les apprenants qui sont basés dans la région de l'Amérique du Nord. Nous travaillons actuellement à offrir la même expérience dans d'autres régions.