- EAN13
- 9782100759934
- ISBN
- 978-2-10-075993-4
- Éditeur
- Dunod
- Date de publication
- 07/06/2017
- Collection
- Hors Collection
- Nombre de pages
- 360
- Dimensions
- 25 x 17,5 x 2,5 cm
- Poids
- 740 g
- Langue
- français
- Fiches UNIMARC
- S'identifier
Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets
Mise en oeuvre et cas concrets
De Aurélien Géron
Dunod
Hors Collection
Autre version disponible
Cet ouvrage, conçu pour tous ceux qui souhaitent s'initier au Deep Learning (apprentissage profond) est la traduction de la deuxième partie du best-seller américain Hands-On Machine Learning with Scikit-Learn & TensorFlow.
Le Deep Learning est récent et il évolue vite. Ce livre en présente les principales techniques : les réseaux de neurones profonds, capables de modéliser toutes sortes de données, les réseaux de convolution, capables de classifier des images, les segmenter et découvrir les objets ou personnes qui s'y trouvent, les réseaux récurrents, capables de gérer des séquences telles que des phrases, des séries temporelles, ou encore des vidéos, les autoencodeurs qui peuvent découvrir toutes sortes de structures dans des données, de façon non supervisée, et enfin le Reinforcement Learning (apprentissage par renforcement) qui permet de découvrir automatiquement les meilleures actions pour effectuer une tâche (par exemple un robot qui apprend à marcher).
Ce livre présente TensorFlow, le framework de Deep Learning créé par Google. Il est accompagné de notebooks Jupyter (disponibles sur github) qui contiennent tous les exemples de code du livre, afin que le lecteur puisse facilement tester et faire tourner les programmes.
Il complète un premier livre intitulé Machine Learning avec Scikit-Learn.
Le Deep Learning est récent et il évolue vite. Ce livre en présente les principales techniques : les réseaux de neurones profonds, capables de modéliser toutes sortes de données, les réseaux de convolution, capables de classifier des images, les segmenter et découvrir les objets ou personnes qui s'y trouvent, les réseaux récurrents, capables de gérer des séquences telles que des phrases, des séries temporelles, ou encore des vidéos, les autoencodeurs qui peuvent découvrir toutes sortes de structures dans des données, de façon non supervisée, et enfin le Reinforcement Learning (apprentissage par renforcement) qui permet de découvrir automatiquement les meilleures actions pour effectuer une tâche (par exemple un robot qui apprend à marcher).
Ce livre présente TensorFlow, le framework de Deep Learning créé par Google. Il est accompagné de notebooks Jupyter (disponibles sur github) qui contiennent tous les exemples de code du livre, afin que le lecteur puisse facilement tester et faire tourner les programmes.
Il complète un premier livre intitulé Machine Learning avec Scikit-Learn.
S'identifier pour envoyer des commentaires.
Autres contributions de...
-
Deep Learning avec Keras et TensorFlow - 3e éd., Mise en oeuvre et cas concretsAurélien GéronDunod49,00
-
Machine Learning avec Scikit-Learn - 3e éd., Mise en oeuvre et cas concretsAurélien GéronDunod39,00