François Chollet

François Chollet

François Chollet est l’auteur de Keras, l’une des librairies Python de Deep Learning les plus utilisées au monde. Il est également chercheur en intelligence artificielle chez Google. Il contribue dans ce cadre au développement de la librairie TensorFlow.

Ses centres d’intérêts scientifiques concernent notamment la vision artificielle et l’application du Machine Learning au raisonnement formel.

Articles citant les travaux de François Chollet dans le domaine de l'intelligence artificielle.

Recevez le magazine de l’intelligence artificielle ActuIA N°3

Le magazine de l'intelligence artificielle, ActuIA N°3 du 15 février 2021, paraîtra très prochainement. En ce contexte de pandémie, nous vous recommandons fortement de...
20071

Paris Machine Learning invite François Chollet à l’occasion d’un Hors-série

Le Paris Machine Learning accueille François Chollet, créateur de la célèbre librairie Keras à l'occasion du premier numéro hors-série de la saison 2019-2020. François Chollet...
keras

Publication de la documentation de Keras en Français

Nous avons initié, avec l'accord de François Chollet, la traduction de la documentation officielle de la librairie de Deep Learning Keras. Cette librairie, l'un des...



Vidéos externes:

François Chollet au France is AI 2017: Limites actuelles et perspectives futures du Deep Learning (en)

François Chollet - Le Deep Learning à grande échelle avec Keras, Matroid scaled Machine Learning Conference (en)

Integrating Keras & TensorFlow: The Keras workflow, expanded, TensorFlow Dev Summit 2017



Publications externes:
  • Tensor2Tensor for Neural Machine Translation, 2018

    A Vaswani, S Bengio, E Brevdo, F Chollet, AN Gomez, S Gouws, L Jones, Al. arXiv preprint arXiv:1803.07416
    Consulter

  • Depthwise Separable Convolutions for Neural Machine Translation, 2017

    L Kaiser, AN Gomez, F Chollet arXiv preprint arXiv:1706.03059
    Consulter

  • Building powerful image classification models using very little data, 2016

    F Chollet
    Consulter

  • Deepmath-deep sequence models for premise selection, 2016

    G Irving, C Szegedy, AA Alemi, N Een, F Chollet, J Urban Advances in Neural Information Processing Systems, 2235-2243
    Consulter

  • Xception: Deep learning with depthwise separable convolutions, 2016

    F Chollet arXiv preprint
    Consulter


Livres susceptibles de vous intéresser:
Voir également :
Google