Avis des lecteurs
Résumé:Ce livre est considéré comme l'une des meilleures ressources pour comprendre l'apprentissage profond et l'apprentissage automatique, car il fournit des explications claires et accessibles ainsi que des bases mathématiques rigoureuses. Bien que bien structuré et complet, il a été critiqué pour des imprécisions dans les détails mathématiques et des explications insuffisantes dans certaines sections sur l'apprentissage profond.
Avantages:⬤ Meilleur livre sur l'apprentissage profond selon de nombreux évaluateurs.
⬤ Explications accessibles et intuitives tout en maintenant la rigueur mathématique.
⬤ Couvre un large éventail de sujets, y compris des avancées récentes comme les transformateurs et les modèles de diffusion.
⬤ Impression et reliure de haute qualité dans les éditions les plus récentes.
⬤ Convient aussi bien aux débutants qu'aux praticiens expérimentés.
⬤ Bien organisé et pédagogiquement efficace.
⬤ Les chapitres spécifiques sur les réseaux convolutifs et les transformateurs sont mal expliqués et manquent de profondeur.
⬤ Certaines erreurs mathématiques ont été relevées par les lecteurs, ce qui suscite des inquiétudes quant à l'exactitude des sujets plus complexes.
⬤ Des problèmes de qualité d'impression ont été signalés au départ, mais la situation s'est améliorée dans les nouvelles éditions.
(basé sur 46 avis de lecteurs)
Titre original :
Deep Learning: Foundations and Concepts
Contenu du livre :
Ce livre propose une introduction complète aux idées centrales qui sous-tendent l'apprentissage profond. Il s'adresse à la fois aux nouveaux venus dans le domaine de l'apprentissage automatique et aux personnes déjà expérimentées dans ce domaine. Couvrant les concepts clés relatifs aux architectures et techniques contemporaines, ce livre essentiel fournit aux lecteurs une base solide pour une spécialisation future potentielle. Le domaine de l'apprentissage profond connaît une évolution rapide, c'est pourquoi ce livre se concentre sur les idées qui sont susceptibles de résister à l'épreuve du temps.
Le livre est organisé en de nombreux chapitres de taille réduite, chacun explorant un sujet distinct, et le récit suit une progression linéaire, chaque chapitre s'appuyant sur le contenu de ses prédécesseurs. Cette structure est bien adaptée à l'enseignement d'un cours de deux semestres sur l'apprentissage automatique en licence ou en master, tout en restant pertinente pour ceux qui sont engagés dans une recherche active ou dans l'auto-apprentissage.
Pour bien comprendre l'apprentissage automatique, il est nécessaire d'avoir un certain bagage mathématique, c'est pourquoi l'ouvrage comprend une introduction autonome à la théorie des probabilités. Cependant, l'objectif du livre est de transmettre une compréhension claire des idées, en mettant l'accent sur la valeur pratique des techniques dans le monde réel plutôt que sur la théorie abstraite. Les concepts complexes sont donc présentés sous plusieurs angles complémentaires, y compris des descriptions textuelles, des diagrammes, des formules mathématiques et du pseudo-code.
Chris Bishop est Technical Fellow chez Microsoft et directeur de Microsoft Research AI4Science. Il est membre du Darwin College de Cambridge, de la Royal Academy of Engineering et de la Royal Society.
Hugh Bishop est chercheur appliqué chez Wayve, une entreprise de conduite autonome basée à Londres, où il conçoit et forme des réseaux neuronaux profonds. Il a obtenu son doctorat en apprentissage et intelligence machine à l'université de Cambridge.
"Chris Bishop a écrit un excellent manuel sur les réseaux neuronaux en 1995 et possède une connaissance approfondie du domaine et de ses idées fondamentales. Ses nombreuses années d'expérience dans l'explication des réseaux neuronaux l'ont rendu extrêmement habile à présenter des idées compliquées de la manière la plus simple possible, et c'est un plaisir de voir ces compétences appliquées aux nouveaux développements révolutionnaires dans ce domaine". -- Geoffrey Hinton
"Avec l'explosion récente de l'apprentissage profond et de l'IA en tant que sujet de recherche, et l'importance rapidement croissante des applications de l'IA, un manuel moderne sur le sujet était absolument nécessaire. Le "New Bishop" comble magistralement cette lacune, en couvrant les algorithmes d'apprentissage supervisé et non supervisé, les familles d'architectures modernes d'apprentissage profond, ainsi que la manière d'appliquer tout cela à divers domaines d'application." - Yann LeCun
"Cet excellent ouvrage, très pédagogique, permettra au lecteur de se mettre à jour sur les principaux concepts et avancées du deep learning avec un ancrage solide en probabilités. Ces concepts alimentent les systèmes d'IA industriels actuels et sont susceptibles de constituer la base de nouvelles avancées vers l'intelligence générale artificielle." -- Yoshua Bengio
Autres informations sur le livre :
| ISBN : | 9783031454677 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2023 |
| Nombre de pages : | 649 |
Achat:
Actuellement disponible, en stock.
