Deep learning avec Keras et TensorFlow : mise en œuvre et cas concrets
L'objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du Deep Learning et de vous montrer, grâce à de nombreux exemples de code accessibles en ligne, comment les mettre en pratique. La 3e édition de cet ouvrage de référence, très remaniée, tient compte des récentes avancées....
Kaydedildi:
| Yazar: | |
|---|---|
| Diğer Yazarlar: | , |
| Materyal Türü: | Livre papier |
| Dil: | Français |
| Baskı/Yayın Bilgisi: |
Malakoff :
Dunod
DL 2024.
|
| Edisyon: | 3e édition. |
| Konular: | |
| Not: |
Traduction de la seconde partie du best-seller "Hands-on Machine Learning with Scikit-Learn, Keras and TensorFlow" |
| Autres localisations: | Voir dans le Sudoc |
| Özet: | L'objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du Deep Learning et de vous montrer, grâce à de nombreux exemples de code accessibles en ligne, comment les mettre en pratique. La 3e édition de cet ouvrage de référence, très remaniée, tient compte des récentes avancées. Construire et entraîner de nombreuses architectures de réseaux de neurones pour classification et régression à l'aide de Keras et TensorFlow 2. Découvrir les mécanismes d'attention, les grands modèles de langage (LLM) tels que GPT-4, les réseaux antagonistes génératifs (GAN), les modèles de diffusion tels que DALL-E 2, la détection d'objets, la segmentation sémantique, etc. Explorer Keras, l'API officielle de haut niveau pour TensorFlow 2, désormais compatible également avec PyTorch et JAX. Entraîner de grands modèles à l'aide de TF Data, de l'API de stratégies de distribution, de TF Serving, de Keras Tuner, ou encore de la bibliothèque Transformers de Hugging Face. Passer à l'échelle supérieure sur la plateforme Google Vertex Al, ou déployer sur des appareils mobiles. Créer des agents d'apprentissage autonomes avec l'apprentissage par renforcement profond |
|---|---|
| Diğer Bilgileri: | Traduction de la seconde partie du best-seller "Hands-on Machine Learning with Scikit-Learn, Keras and TensorFlow" |
| Fiziksel Özellikler: | 1 volume (XIV-610 pages) : illustrations, graphiques, couverture illustrée en couleurs ; 24 cm. |
| Bibliyografya: | Notes bibliographiques et liste de sites internet. Index |
| ISBN: | 9782100847693 (broché) |