Construisez et entraînez des modèles de deep learning en R à l'aide de Keras et TensorFlow.
Construisez, entraînez et visualisez des réseaux de neurones profonds directement dans RStudio.
R-Deep-Learning est un dépôt d'atelier de six heures conçu pour initier les utilisateurs intermédiaires de R aux concepts du deep learning en utilisant TensorFlow et Keras. Il convient aux chercheurs et aux scientifiques qui souhaitent intégrer des réseaux de neurones à leurs pipelines d'analyse R existants sans passer à Python.
Le dépôt vous guide à travers la construction d'un flux de travail de projet de deep learning, la classification d'images, ainsi que la réalisation d'analyses de texte et de transfer learning. Il fournit des exemples de code pratiques pour configurer TensorFlow dans R via reticulate, ainsi que des techniques de visualisation.
Il convient aux utilisateurs intermédiaires de R qui ont déjà suivi une formation en machine learning et souhaitent passer aux réseaux profonds. Il ne convient pas aux débutants absolus en programmation ni aux ingénieurs en machine learning expérimentés axés sur Python.
Utilise le package reticulate pour faire le pont entre R et les modules Python TensorFlow et Keras.
Guide la création de pipelines de bout en bout pour la reconnaissance d'images et le transfer learning.
Comprend des liens de lancement pour Berkeley DataHub and Binder afin d'exécuter des exercices directement dans une session RStudio basée sur le navigateur.
Les supports sont gratuits sous licence CC BY 4.0, et le seul coût est votre propre temps de calcul ou vos ressources matérielles locales.
877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Non, le script d'installation utilise le package reticulate pour configurer un environnement Python géré, ou vous pouvez exécuter le code entièrement dans le cloud via Binder.
Vous devez être un utilisateur intermédiaire de R ayant déjà été exposé aux concepts de base du machine learning.
Voir Zekai en premier dans Google