Note :
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 6 votes.
Deep Learning with Python: Learn Best Practices of Deep Learning Models with Pytorch
Maîtrisez les aspects pratiques de la mise en œuvre de solutions d'apprentissage profond avec PyTorch, en utilisant une approche pratique pour comprendre à la fois la théorie et la pratique. Cette édition mise à jour vous préparera à appliquer l'apprentissage profond aux problèmes du monde réel grâce à une base théorique solide et à un savoir-faire pratique avec PyTorch, une plateforme développée par le groupe de recherche en intelligence artificielle de Facebook.
Vous commencerez par comprendre comment et pourquoi l'apprentissage profond avec PyTorch s'est imposé comme un cadre révolutionnaire avec un ensemble d'outils et de techniques pour résoudre les problèmes du monde réel. Ensuite, le livre vous donnera les bases mathématiques de l'algèbre linéaire, du calcul vectoriel, des probabilités et de l'optimisation. Une fois cette base établie, vous passerez aux composants et fonctionnalités clés de PyTorch, notamment les couches, les fonctions de perte et les algorithmes d'optimisation.
Vous comprendrez également le calcul basé sur les unités de traitement graphique (GPU), qui est essentiel pour l'entraînement des modèles d'apprentissage profond. Toutes les architectures clés de l'apprentissage profond sont couvertes, y compris les réseaux feedforward, les réseaux neuronaux à convolution, les réseaux neuronaux récurrents, les réseaux à mémoire à long terme, les autoencodeurs et les réseaux adversaires génératifs. Cette édition de Deep Learning with Python explique les meilleures pratiques pour amener ces modèles en production avec PyTorch, en s'appuyant sur un certain nombre d'astuces pour l'entraînement et l'optimisation des modèles d'apprentissage profond.
Ce que vous apprendrez
⬤ Revoyez les principes fondamentaux de l'apprentissage automatique tels que l'ajustement excessif, l'ajustement insuffisant et la régularisation.
⬤ Comprendre les principes fondamentaux de l'apprentissage profond tels que les réseaux feed-forward, les réseaux neuronaux à convolution, les réseaux neuronaux récurrents, la différenciation automatique et la descente de gradient stochastique.
⬤ Appliquer l'algèbre linéaire en profondeur avec PyTorch.
⬤ Explorer les principes fondamentaux de PyTorch et ses blocs de construction.
⬤ Travailler avec le tuning et l'optimisation des modèles.
A qui s'adresse ce livre ?
Les débutants ayant une connaissance pratique de Python qui veulent comprendre l'apprentissage profond d'une manière pratique et concrète.
| ISBN : | 9781484253632 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 306 |
Actuellement disponible, en stock.
