Apprentissage profond pour les codeurs avec Fastai et Pytorch : Applications de l'IA sans doctorat

Avis des lecteurs

Résumé:

Le livre « Deep Learning for Coders » de Jeremy Howard et Sylvain Gugger est largement considéré comme une excellente ressource pour l'apprentissage pratique de l'apprentissage profond, en particulier pour ceux qui ont une certaine expérience de la programmation. Il propose une approche pratique et descendante qui permet aux lecteurs de s'engager directement dans des applications et des projets, en utilisant souvent la bibliothèque Fastai en combinaison avec PyTorch. Cependant, il a été critiqué pour être potentiellement déroutant pour les débutants absolus et pour avoir des exemples de code obsolètes qui peuvent causer de la frustration.

Avantages:

Bien structuré pour un apprentissage pratique, excellente approche pratique, adapté aux lecteurs ayant une expérience de la programmation, riche en exemples de carnets Jupyter, bien formaté pour être lisible sur Kindle, couvre les pratiques d'apprentissage profond pertinentes et modernes, communauté de soutien et ressources disponibles sur GitHub.

Inconvénients:

Peut ne pas convenir aux débutants complets sans connaissances préalables, certains lecteurs trouvent la méthode d'enseignement descendante déroutante, plusieurs commentaires sur le code obsolète conduisant à des erreurs, pas idéal pour ceux qui ont des connaissances préalables sur l'apprentissage profond à la recherche de matériel avancé, problèmes potentiels avec l'édition complète et la cohérence.

(basé sur 52 avis de lecteurs)

Titre original :

Deep Learning for Coders with Fastai and Pytorch: AI Applications Without a PhD

Contenu du livre :

L'apprentissage profond est souvent considéré comme le domaine exclusif des docteurs en mathématiques et des grandes entreprises technologiques. Mais comme le démontre ce guide pratique, les programmeurs à l'aise avec Python peuvent obtenir des résultats impressionnants en matière d'apprentissage profond avec peu de connaissances mathématiques, de petites quantités de données et un minimum de code. Comment ? Avec fastai, la première bibliothèque à fournir une interface cohérente pour les applications d'apprentissage profond les plus fréquemment utilisées.

Les auteurs Jeremy Howard et Sylvain Gugger, les créateurs de fastai, vous montrent comment entraîner un modèle sur un large éventail de tâches en utilisant fastai et PyTorch. Les auteurs Jeremy Howard et Sylvain Gugger, créateurs de fastai, vous montrent comment entraîner un modèle sur un large éventail de tâches à l'aide de fastai et de PyTorch.

⬤ Vous apprendrez à entraîner des modèles de vision artificielle, de traitement du langage naturel, de données tabulaires et de filtrage collaboratif.

⬤ Apprenez les dernières techniques d'apprentissage profond qui comptent le plus dans la pratique.

⬤ Améliorez la précision, la vitesse et la fiabilité en comprenant le fonctionnement des modèles d'apprentissage profond.

⬤ Découvrez comment transformer vos modèles en applications web.

⬤ Mettre en œuvre des algorithmes d'apprentissage profond à partir de zéro.

⬤ Les implications éthiques de votre travail sont à prendre en compte.

⬤ La préface de Soumith Chintala, cofondateur de PyTorch, vous éclairera sur ce sujet.

Autres informations sur le livre :

• ISBN : 9781492045526
• Auteur : Jeremy Howard
• Éditeur : Oreilly Media
• Reliure : Broché
• Année de publication : 2020
• Nombre de pages : 350