Survivre à l'impact d'une météorite

Introduction au Deep Learning avec Keras

Miguel Esteban

Data Scientist & Founder

Récapitulatif

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# Create a new sequential model
model = Sequential()

# Add and input and dense layer
model.add(Dense(2, input_shape=(3,),
                activation="relu"))

# Add a final 1 neuron layer
model.add(Dense(1))
<

Introduction au Deep Learning avec Keras

Compilation

# Compiling your previously built model
model.compile(optimizer="adam", loss="mse")

Introduction au Deep Learning avec Keras

Entraînement

# Train your model
model.fit(X_train, y_train, epochs=5)

Epoch 1/5
1000/1000 [==============================] - 0s 242us/step - loss: 0.4090
Epoch 2/5
1000/1000 [==============================] - 0s 34us/step - loss: 0.3602
Epoch 3/5
1000/1000 [==============================] - 0s 37us/step - loss: 0.3223
Epoch 4/5
1000/1000 [==============================] - 0s 34us/step - loss: 0.2958
Epoch 5/5
1000/1000 [==============================] - 0s 33us/step - loss: 0.2795
Introduction au Deep Learning avec Keras

Prédiction

# Predict on new data
preds = model.predict(X_test)

# Look at the predictions
print(preds)

array([[0.6131608 ],
       [0.5175948 ],
       [0.60209155],
       ...,
       [0.55633   ],
       [0.5305591 ],
       [0.50682044]])
Introduction au Deep Learning avec Keras

Évaluation

# Evaluate your results
model.evaluate(X_test, y_test)

1000/1000 [==============================] - 0s 53us/step
0.25
Introduction au Deep Learning avec Keras

Le problème posé

Introduction au Deep Learning avec Keras

Prédiction scientifique

Introduction au Deep Learning avec Keras

Votre tâche

Introduction au Deep Learning avec Keras

Sauvons la Terre !

Introduction au Deep Learning avec Keras

Preparing Video For Download...