Avis des lecteurs
Résumé:Le livre fournit une introduction complète à l'apprentissage profond, en se concentrant sur ses fondements et principes mathématiques. Bien qu'il soit loué pour ses explications claires et sa profondeur, les lecteurs potentiels doivent avoir un certain bagage mathématique pour en saisir pleinement le contenu. Cependant, ce livre ne convient pas à ceux qui recherchent des applications pratiques ou des conseils de programmation dans le domaine du Deep Learning.
Avantages:⬤ Explications claires et concises de sujets complexes.
⬤ Se concentre sur les fondements mathématiques du Deep Learning.
⬤ Accessible aux lecteurs ayant une compréhension de base de l'algèbre et un peu de calcul.
⬤ Offre une approche rafraîchissante mettant l'accent sur la géométrie et les représentations visuelles.
⬤ Convient à un large public, y compris les ingénieurs logiciels et les débutants.
⬤ Beaucoup l'ont trouvé utile pour comprendre les concepts fondamentaux avant de se plonger dans des sujets plus complexes.
⬤ Requiert une bonne compréhension du calcul et de l'algèbre linéaire, ce qui peut ne pas être accessible à tous les lecteurs.
⬤ Le livre n'est pas destiné à ceux qui cherchent à mettre en œuvre des algorithmes ou des logiciels de Deep Learning.
⬤ Certains évaluateurs l'ont trouvé difficile dans les sections intermédiaires.
⬤ Il est physiquement plus petit que prévu, ce qui peut décevoir certains lecteurs.
⬤ La version Kindle serait difficile à lire en raison de problèmes de formatage.
(basé sur 48 avis de lecteurs)
Titre original :
Deep Learning
Contenu du livre :
Une introduction accessible à la technologie d'intelligence artificielle qui permet la vision par ordinateur, la reconnaissance vocale, la traduction automatique et les voitures sans conducteur.
L'apprentissage profond est une technologie d'intelligence artificielle qui permet la vision par ordinateur, la reconnaissance vocale dans les téléphones portables, la traduction automatique, les jeux d'intelligence artificielle, les voitures sans conducteur et d'autres applications. Lorsque nous utilisons des produits de consommation de Google, Microsoft, Facebook, Apple ou Baidu, nous interagissons souvent avec un système d'apprentissage profond. Dans ce volume de la série Essential Knowledge de MIT Press, l'informaticien John Kelleher propose une introduction accessible et concise mais complète à la technologie fondamentale au cœur de la révolution de l'intelligence artificielle.
M. Kelleher explique que l'apprentissage profond permet de prendre des décisions fondées sur des données en identifiant et en extrayant des modèles à partir de grands ensembles de données ; sa capacité à apprendre à partir de données complexes fait de l'apprentissage profond un outil idéal pour tirer parti de la croissance rapide des grandes données et de la puissance de calcul. M. Kelleher explique également certains des concepts de base de l'apprentissage profond, présente l'historique des avancées dans ce domaine et discute de l'état actuel des connaissances. Il décrit les architectures d'apprentissage profond les plus importantes, notamment les autoencodeurs, les réseaux neuronaux récurrents et les réseaux à long terme, ainsi que des développements récents tels que les réseaux adversoriels génératifs et les réseaux de capsules. Il fournit également une introduction complète (et compréhensible) aux deux algorithmes fondamentaux de l'apprentissage profond : la descente de gradient et la rétropropagation. Enfin, M. Kelleher se penche sur l'avenir de l'apprentissage profond - les principales tendances, les développements possibles et les défis importants.
Autres informations sur le livre :
| ISBN : | 9780262537551 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2019 |
| Nombre de pages : | 296 |
Achat:
Actuellement disponible, en stock.
