Avis des lecteurs
Résumé:Le livre « Python Deep Learning » offre un guide pratique et complet pour comprendre et construire des modèles d'apprentissage profond avec Python. Il équilibre les fondements théoriques avec des exemples pratiques, couvrant des sujets essentiels tels que les réseaux neuronaux, les réseaux convolutifs, le traitement du langage naturel et les MLOps. L'écriture est claire et attrayante, ce qui la rend adaptée aux débutants comme aux praticiens expérimentés. Cependant, les lecteurs ont noté un saut potentiel dans la complexité à certains moments et ont suggéré des spécifications de version plus claires pour Python et les bibliothèques.
Avantages:Une couverture complète des concepts d'apprentissage profond, des bases aux sujets avancés.
Inconvénients:Des exemples pratiques et des explications claires.
(basé sur 10 avis de lecteurs)
Titre original :
Python Deep Learning - Third Edition: Understand how deep neural networks work and apply them to real-world tasks
Contenu du livre :
Maîtriser la navigation efficace des réseaux neuronaux, y compris les convolutions et les transformateurs, pour s'attaquer aux tâches de vision par ordinateur et de NLP à l'aide de Python.
Caractéristiques principales :
⬤ Comprendre la théorie, les fondements mathématiques et la structure des réseaux neuronaux profonds.
⬤ Familiarisez-vous avec les transformateurs, les grands modèles de langage et les réseaux convolutifs.
⬤ Apprenez à les appliquer à divers problèmes de vision artificielle et de traitement du langage naturel. L'achat de la version imprimée ou du livre Kindle inclut un livre électronique PDF gratuit.
Description du livre :
Le domaine de l'apprentissage profond s'est développé rapidement au cours des dernières années et couvre aujourd'hui un large éventail d'applications. Il est donc difficile de s'y retrouver et de le comprendre sans des bases solides. Ce livre vous guidera depuis les bases des réseaux neuronaux jusqu'à l'état de l'art des grands modèles de langage utilisés aujourd'hui.
La première partie du livre présente les principaux concepts et paradigmes de l'apprentissage automatique. Elle couvre les fondements mathématiques, la structure et les algorithmes d'apprentissage des réseaux neuronaux et plonge dans l'essence de l'apprentissage profond.
La deuxième partie du livre présente les réseaux convolutifs pour la vision par ordinateur. Nous apprendrons à résoudre des tâches de classification d'images, de détection d'objets, de segmentation d'instances et de génération d'images.
La troisième partie se concentre sur le mécanisme d'attention et les transformateurs - l'architecture réseau centrale des grands modèles de langage. Nous aborderons de nouveaux types de tâches avancées qu'ils peuvent résoudre, telles que les robots de conversation et la génération de texte à partir d'images.
À la fin de ce livre, vous aurez une compréhension approfondie du fonctionnement interne des réseaux neuronaux profonds. Vous serez en mesure de développer de nouveaux modèles ou d'adapter les modèles existants pour résoudre vos tâches. Vous aurez également des connaissances suffisantes pour poursuivre vos recherches et vous tenir au courant des dernières avancées dans ce domaine.
Ce que vous apprendrez
⬤ Établir les fondements théoriques des réseaux neuronaux profonds.
⬤ Comprendre les réseaux convolutifs et les appliquer dans les applications de vision par ordinateur.
⬤ Comprendre les réseaux convolutifs et les appliquer aux applications de vision par ordinateur.
⬤ Explorer le mécanisme d'attention et les transformateurs.
⬤ Appliquer les transformateurs et les grands modèles de langage pour le langage naturel et la vision par ordinateur.
⬤ Mettre en œuvre des exemples de codage avec PyTorch, Keras et Hugging Face Transformers.
⬤ Utiliser MLOps pour développer et déployer des modèles de réseaux neuronaux.
À qui s'adresse ce livre :
Ce livre s'adresse aux développeurs/ingénieurs de logiciels, aux étudiants, aux scientifiques des données, aux analystes de données, aux ingénieurs en apprentissage automatique, aux statisticiens et à toute personne intéressée par l'apprentissage profond. Une expérience préalable de la programmation en Python est un prérequis.
Autres informations sur le livre :
| ISBN : | 9781837638505 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
