Avis des lecteurs
Résumé:Ce livre sur l'apprentissage profond est loué pour sa clarté, ses exemples de codage pratiques dans TensorFlow et sa capacité à communiquer des concepts complexes de manière accessible. Il s'adresse à la fois aux ingénieurs qui souhaitent apprendre l'apprentissage profond pour des applications pratiques et aux utilisateurs plus avancés qui souhaitent avoir une compréhension complète du domaine. Cependant, il n'est peut-être pas adapté aux débutants absolus ou à ceux qui recherchent une analyse mathématique approfondie.
Avantages:Excellentes explications des concepts, exemples de codage pratiques, style d'écriture accessible, adapté à la fois aux novices et aux experts, couvre un large éventail d'architectures et d'applications d'apprentissage profond, contenu pertinent et bien organisé, mise en page et diagrammes agréables.
Inconvénients:Peut être un peu rapide dans certains domaines, peut ne pas être assez approfondi pour les débutants absolus ou ceux qui recherchent une compréhension mathématique profonde, problèmes de qualité d'impression avec certaines copies.
(basé sur 22 avis de lecteurs)
Titre original :
Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, Natural Language Processing, and Transformers Using Tensorflo
Contenu du livre :
Guide en couleur de l'apprentissage profond de NVIDIA : Tout ce dont vous avez besoin pour démarrer et obtenir des résultats
"Pour permettre à chacun de participer à cette révolution historique, il faut démocratiser les connaissances et les ressources en matière d'IA. Ce livre arrive à point nommé pour atteindre ces objectifs ambitieux".
-- Anima Anandkumar, Bren Professor, Caltech, et Director of ML Research, NVIDIA.
"Ekman utilise une technique d'apprentissage qui, d'après notre expérience, s'est avérée essentielle à la réussite : il demande au lecteur de réfléchir à l'utilisation des techniques de DL dans la pratique. Son approche directe est rafraîchissante, et il permet au lecteur de rêver, juste un peu, à ce que la DL peut encore nous apporter".
-- Craig Clawson, directeur du NVIDIA Deep Learning Institute.
L'apprentissage profond (DL) est un élément clé des avancées passionnantes réalisées aujourd'hui dans le domaine de l'apprentissage automatique et de l'intelligence artificielle. Learning Deep Learning est un guide complet de l'apprentissage profond. Éclairant à la fois les concepts de base et les techniques de programmation pratiques nécessaires pour réussir, ce livre est idéal pour les développeurs, les scientifiques des données, les analystes et autres, y compris ceux qui n'ont aucune expérience préalable de l'apprentissage automatique ou des statistiques.
Après avoir présenté les éléments essentiels des réseaux neuronaux profonds, tels que les neurones artificiels et les couches entièrement connectées, convolutives et récurrentes, Magnus Ekman montre comment les utiliser pour construire des architectures avancées, y compris le Transformer. Il décrit comment ces concepts sont utilisés pour construire des réseaux modernes pour la vision par ordinateur et le traitement du langage naturel (NLP), y compris Mask R-CNN, GPT et BERT. Il explique également comment un traducteur en langage naturel et un système générant des descriptions d'images en langage naturel peuvent être utilisés.
Tout au long de l'ouvrage, Ekman fournit des exemples de code concis et bien annotés utilisant TensorFlow avec Keras. Les exemples PyTorch correspondants sont fournis en ligne, et le livre couvre ainsi les deux bibliothèques Python dominantes pour la DL utilisées dans l'industrie et le monde universitaire. Il conclut par une introduction à la recherche d'architecture neuronale (NAS), en explorant d'importantes questions éthiques et en fournissant des ressources pour un apprentissage plus approfondi.
⬤ Il explore et maîtrise les concepts de base : perceptrons, apprentissage basé sur le gradient, neurones sigmoïdes et rétropropagation.
⬤ Découvrez comment les cadres DL facilitent le développement de réseaux neuronaux plus complexes et plus utiles.
⬤ Découvrez comment les réseaux neuronaux convolutifs (CNN) révolutionnent la classification et l'analyse des images.
⬤ Appliquer les réseaux neuronaux récurrents (RNN) et la mémoire à long terme (LSTM) au texte et à d'autres séquences de longueur variable.
⬤ Maîtriser le NLP avec les réseaux séquence-à-séquence et l'architecture Transformer.
⬤ Créer des applications pour la traduction en langage naturel et le sous-titrage d'images.
L'invention du GPU par NVIDIA a donné naissance au marché des jeux sur PC. Le travail de pionnier de la société dans le domaine de l'informatique accélérée - une forme d'informatique suralimentée à l'intersection de l'infographie, de l'informatique haute performance et de l'IA - est en train de remodeler des industries pesant des milliards de dollars, telles que les transports, la santé et la fabrication, et d'alimenter la croissance de beaucoup d'autres.
Enregistrez votre livre pour bénéficier d'un accès pratique aux téléchargements, aux mises à jour et/ou aux corrections dès qu'elles sont disponibles. Voir l'intérieur du livre pour plus de détails.
Autres informations sur le livre :
| ISBN : | 9780137470358 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2000 |
| Nombre de pages : | 752 |
Achat:
Actuellement disponible, en stock.
