Introduction au Deep Learning
À propos de ce livre
Le deep learning est une forme avancée et plus complexe du machine learning qui fait appel à des réseaux neuronaux à plusieurs couches.
Ce manuel d'apprentissage synthétique, avec cours et exercices, s'appuie sur des exemples d'écriture de programmes d'intelligence artificielle dans des domaines comme la vision par ordinateur, la compréhension des langages naturels ou l'apprentissage par renforcement.
Cet apprentissage du deep learning se fait en écrivant des programmes avec TensorFlow, framework open source de machine learning.
L'auteur est un chercheur en IA de longue date et un enseignant. Dans ce livre il incite ses étudiants et ses lecteurs à appliquer sa méthode qui est " d' apprendre en programmant ».
Chaque chapitre propose un projet, des exercices et des lectures complémentaires.
Ce cours d'initiation comporte une quarantaine d'exercices dont la moitié sont corrigés.
Foire aux questions
- Essentiel est idéal pour les étudiants et les professionnels qui aiment explorer un large éventail de sujets. Accédez à la bibliothèque Essentiel comprenant plus de 800 000 titres de référence et best-sellers dans les domaines du commerce, du développement personnel et des sciences humaines. Il comprend un temps de lecture illimité et la voix standard de la fonction Écouter.
- Complet est parfait pour les étudiants avancés et les chercheurs qui ont besoin d'un accès complet et illimité. Accédez à plus de 1,4 million de livres sur des centaines de sujets, y compris des titres académiques et spécialisés. L'abonnement Complet comprend également des fonctionnalités avancées telles que la fonction Écouter Premium et l'Assistant de recherche.
Veuillez noter que nous ne pouvons pas prendre en charge les appareils fonctionnant sur iOS 13 et Android 7 ou versions antérieures. En savoir plus sur l'utilisation de l'application.
Informations
Table des matières
- Introduction au Deep Learning
- TABLE DES MATIÈRES
- AVANT-PROPOS
- CHAPITRE 1 • Réseaux de neurones à propagation avant
- CHAPITRE 2 • TensorFlow
- CHAPITRE 3 • Réseaux de neurones convolutifs
- CHAPITRE 4 • Plongements de mots et réseaux de neurones récurrents
- CHAPITRE 5 • Apprentissage séquence à séquence
- CHAPITRE 6 • Apprentissage par renforcement profond
- CHAPITRE 7 • Modèle de réseaux de neurones non supervisés
- CHAPITRE A • Annexe : Corrigé des exercices
- BIBLIOGRAPHIE
- INDEX