Apprentissage profond avancé avec Keras

Avis des lecteurs

Résumé:

Les critiques soulignent que « Advanced Deep Learning with Keras » est une excellente ressource pour comprendre et appliquer de manière pratique les techniques d'apprentissage profond. Le livre se distingue par sa couverture complète de sujets tels que les réseaux adversoriels génératifs (GAN), les autoencodeurs variationnels (VAE) et l'apprentissage par renforcement, en fournissant des exemples pratiques et des implémentations de code à l'aide de Keras. Cependant, certains utilisateurs ont signalé des problèmes techniques avec la version Kindle, avec des blocages et des plantages.

Avantages:

⬤ Une couverture complète des sujets avancés de l'apprentissage profond, y compris les GAN, les VAE et l'apprentissage par renforcement.
⬤ Bon équilibre entre les applications pratiques, les mathématiques et les explications.
⬤ Bien écrit et facile à comprendre pour les débutants comme pour les programmeurs chevronnés.
⬤ Fournit des exemples de code clairs et des idées pratiques pour l'utilisation de Keras.
⬤ Hautement recommandé par les lecteurs pour la création d'applications dans le domaine de l'apprentissage profond.

Inconvénients:

⬤ Des problèmes techniques ont été signalés avec la version Kindle, notamment des blocages et des pannes.
⬤ Certains utilisateurs peuvent trouver les sujets avancés difficiles sans connaissances préalables.

(basé sur 8 avis de lecteurs)

Titre original :

Advanced Deep Learning with Keras

Contenu du livre :

Note de l'éditeur : Cette édition de 2018 est obsolète et n'est pas compatible avec TensorFlow 2 ni avec aucune des mises à jour les plus récentes des bibliothèques Python. Une nouvelle deuxième édition, mise à jour pour 2020 et intégrant TensorFlow 2 ainsi qu'une couverture de l'apprentissage non supervisé à l'aide de l'information mutuelle, de la détection d'objets et de la segmentation sémantique, vient d'être publiée.

Un guide complet des techniques avancées d'apprentissage profond, notamment les autoencodeurs, les GAN, les VAE et l'apprentissage par renforcement profond, qui permettent d'obtenir les résultats les plus impressionnants en matière d'IA aujourd'hui.

Caractéristiques principales.

⬤ Explorer les techniques d'apprentissage profond les plus avancées qui permettent d'obtenir des résultats modernes en matière d'intelligence artificielle.

⬤ Les réseaux neuronaux profonds, les autoencodeurs, les GAN, les VAE et l'apprentissage par renforcement profond sont mis en œuvre.

⬤ Une étude approfondie des GAN, y compris les GAN améliorés, les GAN inter-domaines et les GAN à représentation démêlée.

Description du livre :

Les récents développements dans le domaine de l'apprentissage profond, notamment les réseaux adversaires génératifs (GAN), les autoencodeurs variationnels (VAE) et l'apprentissage par renforcement profond (DRL) donnent lieu à des résultats impressionnants en matière d'IA qui font la une des journaux - comme AlphaGo Zero qui bat les champions du monde d'échecs, et l'IA générative qui peut créer des peintures d'art vendues à plus de 400 000 dollars parce qu'elles ressemblent tellement à des êtres humains.

Advanced Deep Learning with Keras est un guide complet des techniques avancées d'apprentissage profond disponibles aujourd'hui, afin que vous puissiez créer votre propre IA de pointe. En utilisant Keras comme bibliothèque d'apprentissage profond open-source, vous trouverez des projets pratiques tout au long de l'ouvrage qui vous montreront comment créer une IA plus efficace avec les dernières techniques.

Le voyage commence par un aperçu des MLP, CNN et RNN, qui sont les éléments de base pour les techniques plus avancées dans le livre. Vous apprendrez à mettre en œuvre des modèles d'apprentissage profond avec Keras et TensorFlow 1.x, puis vous passerez aux techniques avancées, en explorant les architectures de réseaux neuronaux profonds, notamment ResNet et DenseNet, et en apprenant à créer des autoencodeurs. Vous apprendrez ensuite tout sur les GAN, et comment ils peuvent ouvrir de nouveaux niveaux de performance en IA. Ensuite, vous vous familiariserez avec la mise en œuvre des VAE et vous verrez comment les GAN et les VAE ont le pouvoir génératif de synthétiser des données qui peuvent être extrêmement convaincantes pour les humains, ce qui constitue une avancée majeure pour l'IA moderne. Pour compléter cet ensemble de techniques avancées, vous apprendrez à mettre en œuvre des DRL tels que le Deep Q-Learning et les Policy Gradient Methods, qui sont essentiels à de nombreux résultats modernes en matière d'IA.

Ce que vous apprendrez :

⬤ Des techniques de pointe pour des performances d'IA comparables à celles de l'homme.

⬤ Implémenter des modèles d'apprentissage profond avancés à l'aide de Keras.

⬤ Les blocs de construction pour les techniques avancées - MLP, CNN et RNN.

⬤ Les réseaux neuronaux profonds - ResNet et DenseNet.

⬤ Les autoencodeurs et les autoencodeurs variationnels (VAE).

⬤ Réseaux adverbiaux génératifs (GAN) et techniques d'IA créatives.

⬤ Les GAN à représentation démêlée et les GAN inter-domaines.

⬤ Méthodes d'apprentissage par renforcement approfondi et mise en œuvre.

⬤ Produire des applications standard de l'industrie en utilisant OpenAI Gym.

⬤ Méthodes profondes de Q-Learning et de Policy Gradient.

A qui s'adresse ce livre :

Une certaine aisance avec Python est supposée. En tant que livre avancé, vous serez familier avec certaines approches d'apprentissage automatique, et une expérience pratique avec DL sera utile. La connaissance de Keras ou TensorFlow 1.x n'est pas nécessaire mais serait utile.

Autres informations sur le livre :

• ISBN : 9781788629416
• Auteur : Rowel Atienza
• Éditeur : Packt Pub
• Langue : anglais
• Reliure : Broché