Apprentissage profond avec Tensorflow 2.0 : Une approche mathématique de l'intelligence artificielle avancée en Python

Note :   (5,0 sur 5)

Apprentissage profond avec Tensorflow 2.0 : Une approche mathématique de l'intelligence artificielle avancée en Python (Santanu Pattanayak)

Avis des lecteurs

Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.

Titre original :

Pro Deep Learning with Tensorflow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python

Contenu du livre :

Ce livre s'appuie sur les bases établies dans sa première édition, avec des chapitres mis à jour et les dernières implémentations de code pour le mettre à jour avec Tensorflow 2. 0.

Pro Deep Learning with TensorFlow 2. 0 commence par les fondements mathématiques et techniques de base de l'apprentissage profond. Ensuite, vous découvrirez les réseaux neuronaux convolutifs, y compris les nouvelles méthodes convolutives telles que la convolution dilatée, la convolution séparable en profondeur, et leur mise en œuvre. Vous comprendrez ensuite le traitement du langage naturel dans des architectures de réseau avancées telles que les transformateurs et divers mécanismes d'attention pertinents pour le traitement du langage naturel et les réseaux neuronaux en général. Au fur et à mesure que vous avancerez dans le livre, vous explorerez les cadres d'apprentissage non supervisé qui reflètent l'état actuel des méthodes d'apprentissage profond, telles que les autoencodeurs et les autoencodeurs variationnels. Le dernier chapitre couvre le sujet avancé des réseaux adversaires génératifs et leurs variantes, tels que les GAN à consistance de cycle et les techniques de réseaux neuronaux de graphes tels que les réseaux d'attention de graphes et GraphSAGE.

À l'issue de ce livre, vous comprendrez les fondements et les concepts mathématiques de l'apprentissage profond et serez en mesure d'utiliser les prototypes présentés pour créer de nouvelles applications d'apprentissage profond.

Ce que vous apprendrez

⬤ Comprendre l'apprentissage profond complet en utilisant TensorFlow 2.0.

⬤ Comprendre les fondements mathématiques de l'apprentissage profond.

⬤ Déployer des solutions complexes d'apprentissage profond en production en utilisant TensorFlow 2.0.

⬤ Comprendre les réseaux adversaires génératifs, les réseaux d'attention graphique et GraphSAGE.

A qui s'adresse ce livre :

Les scientifiques des données et les professionnels de l'apprentissage automatique, les développeurs de logiciels, les étudiants diplômés et les enthousiastes de l'open source.

Autres informations sur le livre :

ISBN :9781484289303
Auteur :
Éditeur :
Langue :anglais
Reliure :Broché
Année de publication :2023
Nombre de pages :652

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Apprentissage automatique quantique avec Python : Utiliser Cirq de Google Research et IBM Qiskit -...
Il est possible de passer rapidement aux...
Apprentissage automatique quantique avec Python : Utiliser Cirq de Google Research et IBM Qiskit - Quantum Machine Learning with Python: Using Cirq from Google Research and IBM Qiskit
Apprentissage profond avec Tensorflow 2.0 : Une approche mathématique de l'intelligence artificielle...
Ce livre s'appuie sur les bases établies dans sa...
Apprentissage profond avec Tensorflow 2.0 : Une approche mathématique de l'intelligence artificielle avancée en Python - Pro Deep Learning with Tensorflow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :