# TensorFlow & Keras (Data Science & ML)

> Sequential API, Functional API, layers, callbacks, checkpoints, TensorBoard, model saving

- 22 questions d'entretien
- Senior
- [Questions d'entretien: Data Science & ML](https://sharpskill.dev/fr/technologies/data-science/questions-entretien.md)

## 1. Quelle est la principale différence entre l'API Sequential et l'API Functional de Keras ?

**Réponse**

L'API Sequential permet de créer des modèles couche par couche de manière linéaire, où chaque couche a exactement une entrée et une sortie. L'API Functional offre plus de flexibilité en permettant de créer des modèles avec des architectures complexes : entrées multiples, sorties multiples, connexions résiduelles et graphes de couches partagées. Utiliser Sequential pour des architectures simples et Functional pour des cas plus avancés.

## 2. Comment créer un modèle Sequential avec une couche Dense de 64 neurones suivie d'une couche de sortie de 10 neurones ?

**Réponse**

La méthode standard consiste à instancier tf.keras.Sequential() puis à utiliser model.add() pour ajouter les couches une par une, ou à passer une liste de couches directement au constructeur. Chaque couche Dense prend le nombre d'unités en paramètre, et la première couche nécessite de spécifier input_shape pour définir la forme des données d'entrée.

## 3. Quel est le rôle de la fonction d'activation 'softmax' dans une couche de sortie ?

**Réponse**

La fonction softmax transforme les logits (sorties brutes) en probabilités qui somment à 1, ce qui est idéal pour la classification multi-classe. Chaque sortie représente la probabilité d'appartenance à une classe. Elle est typiquement utilisée avec la loss categorical_crossentropy pour les labels one-hot ou sparse_categorical_crossentropy pour les labels entiers.

## 19 questions supplémentaires disponibles

- Comment définir un modèle avec l'API Functional ayant deux entrées distinctes ?
- Quel callback utiliser pour arrêter l'entraînement lorsque la validation loss ne s'améliore plus ?

S'inscrire gratuitement: https://sharpskill.dev/fr/login

## Autres sujets d'entretien Data Science & ML

- [Les bases de Python](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/python-basics.md): 25 questions, Junior
- [Programmation Orientée Objet Python](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/python-oop.md): 20 questions, Junior
- [Structures de données Python](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/python-data-structures.md): 20 questions, Junior
- [Fondamentaux Git](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/git-fundamentals.md): 18 questions, Junior
- [Les bases de SQL](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/sql-basics.md): 20 questions, Junior
- [Fondamentaux NumPy](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/numpy-fundamentals.md): 22 questions, Junior
- [Les bases de Pandas](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/pandas-basics.md): 22 questions, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/jupyter-colab.md): 16 questions, Junior
- [SQL Joins & Requêtes avancées](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/sql-joins-advanced.md): 22 questions, Confirmé
- [Pandas avancé](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/pandas-advanced.md): 24 questions, Confirmé
- [Visualisation avec Matplotlib & Seaborn](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/matplotlib-seaborn.md): 20 questions, Confirmé
- [Visualisations interactives avec Plotly](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/plotly-interactive.md): 18 questions, Confirmé
- [Statistiques descriptives](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/statistics-descriptive.md): 20 questions, Confirmé
- [Statistiques inférentielles](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/statistics-inferential.md): 24 questions, Confirmé
- [Web Scraping](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/web-scraping.md): 18 questions, Confirmé
- [BigQuery & Cloud Data](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/bigquery-cloud.md): 18 questions, Confirmé
- [Feature Engineering](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/feature-engineering.md): 22 questions, Confirmé
- [ML Supervisé : Régression](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/ml-supervised-regression.md): 24 questions, Confirmé
- [ML Supervisé : Classification](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/ml-supervised-classification.md): 24 questions, Confirmé
- [Arbres de décision & Ensembles](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/ml-trees-ensembles.md): 24 questions, Confirmé
- [ML Non supervisé](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/ml-unsupervised.md): 22 questions, Confirmé
- [Pipelines ML & Validation](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/ml-pipelines-validation.md): 22 questions, Confirmé
- [Séries temporelles & Prévisions](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/time-series-forecasting.md): 22 questions, Confirmé
- [Fondamentaux Deep Learning](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/deep-learning-fundamentals.md): 24 questions, Senior
- [CNN & Classification d'images](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/cnn-image-classification.md): 24 questions, Senior
- [RNN & Séquences](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/rnn-sequences.md): 22 questions, Senior
- [Transformers & Attention](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/transformers-attention.md): 24 questions, Senior
- [NLP & Hugging Face](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/nlp-huggingface.md): 24 questions, Senior
- [GenAI & LangChain](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/genai-langchain.md): 24 questions, Senior
- [MLOps & Déploiement](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/mlops-deployment.md): 24 questions, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/fr/technologies/data-science/questions-entretien/tensorflow-keras