Note :
Le livre sur l'apprentissage profond a reçu un mélange de critiques positives et négatives. Les lecteurs ont salué ses explications simples et élégantes, ses exemples de codage détaillés et sa large couverture des sujets, des algorithmes de base aux algorithmes avancés. Toutefois, certains lecteurs ont signalé des problèmes de visibilité de la police pour les formules, en particulier dans la version Kindle, et ont indiqué que le livre n'approfondissait peut-être pas suffisamment les concepts de base avant de passer à des sujets plus avancés.
Avantages:⬤ Des explications simples et élégantes le rendent accessible à tous les publics.
⬤ Inclut des exemples de codage qui facilitent la compréhension.
⬤ Couvre un large éventail de sujets, des algorithmes de base aux algorithmes avancés.
⬤ Recommandé aux débutants qui apprécient un langage clair et direct.
⬤ Fournit des connaissances approfondies sur les mathématiques de l'apprentissage profond.
⬤ Problèmes de visibilité des polices de caractères, notamment dans les formules, en particulier dans l'édition Kindle.
⬤ Certains lecteurs estiment que l'auteur passe trop rapidement à des sujets avancés sans expliquer suffisamment les bases.
⬤ Considéré comme cher par certains, il ne vaut pas le prix pour la profondeur offerte.
⬤ Les problèmes de formatage de l'édition Kindle rendent difficile la compréhension du contenu.
(basé sur 13 avis de lecteurs)
Hands-On Deep Learning Algorithms with Python
Ce livre présente les algorithmes d'apprentissage profond de base à avancés utilisés dans un environnement de production par les chercheurs en IA et les principaux data scientists ; il explique les algorithmes de manière intuitive, y compris les mathématiques sous-jacentes, et montre comment les mettre en œuvre à l'aide de bibliothèques d'apprentissage profond populaires basées sur Python, telles que TensorFlow.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)