Note :
Le livre est loué pour sa couverture complète des concepts d'apprentissage automatique et ses exemples pratiques, mais il est critiqué pour s'appuyer fortement sur TensorFlow 1 malgré la sortie de TensorFlow 2. Les utilisateurs apprécient le style d'écriture attrayant et la profondeur des informations, tout en notant des erreurs techniques et un contenu obsolète.
Avantages:Couverture complète des fondamentaux de l'apprentissage automatique, exemples pratiques, style de rédaction attrayant, bonne explication du code, disponibilité de ressources supplémentaires comme des livres électroniques et des mises à jour en ligne.
Inconvénients:Contenu obsolète centré sur TensorFlow 1, erreurs techniques dans les exemples, choix éditoriaux discutables (par exemple, graphiques en couleur en noir et blanc), rythme inégal avec une couverture insuffisante de l'apprentissage profond.
(basé sur 10 avis de lecteurs)
Machine Learning with Tensorflow, Second Edition
Cette deuxième édition entièrement révisée de Machine Learning with TensorFlow vous enseigne les concepts fondamentaux de l'apprentissage automatique et comment utiliser la bibliothèque TensorFlow pour construire rapidement de puissants modèles d'apprentissage automatique.
Vous apprendrez les bases des algorithmes de régression, de classification et de clustering, en les appliquant pour résoudre des défis du monde réel. Le contenu nouveau et révisé élargit la couverture des algorithmes d'apprentissage automatique de base et des avancées dans les réseaux neuronaux tels que les classificateurs d'identification faciale VGG-Face et les classificateurs vocaux profonds.
Rédigé par Chris Mattmann, Deputy CTO et Principal Data Scientist du NASA JPL, tous les exemples sont accompagnés de Jupyter Notebooks téléchargeables pour une expérience pratique du codage de TensorFlow avec Python. L'achat du livre imprimé inclut un livre électronique gratuit aux formats PDF, Kindle et ePub de Manning Publications.
© 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)