Avis des lecteurs
Résumé:Le livre fournit une introduction intuitive aux outils probabilistes de TensorFlow, offrant des explications simplifiées de concepts complexes tels que les réseaux neuronaux bayésiens et le flux de normalisation. Cependant, il a été critiqué pour son contenu superficiel, son édition médiocre et sa profondeur limitée, en particulier dans la section sur l'apprentissage profond probabiliste.
Avantages:Explications intuitives et conviviales, excellente ressource pour comprendre les outils probabilistes de TensorFlow, perspective unique sur des concepts complexes, contenu intéressant sur les réseaux neuronaux et le flux de normalisation.
Inconvénients:Peu de contenu, en particulier dans les sections d'introduction, mauvaise édition avec de nombreuses erreurs, manque de profondeur dans l'apprentissage profond probabiliste, une grande partie du livre est du matériel d'introduction de base.
(basé sur 4 avis de lecteurs)
Titre original :
Probabilistic Deep Learning: With Python, Keras and Tensorflow Probability
Contenu du livre :
Probabilistic Deep Learning montre comment les modèles probabilistes d'apprentissage profond donnent aux lecteurs les outils pour identifier et prendre en compte l'incertitude et les erreurs potentielles dans leurs résultats.
En commençant par appliquer le principe sous-jacent du maximum de vraisemblance de l'ajustement des courbes à l'apprentissage profond, les lecteurs passeront à l'utilisation du cadre Tensorflow Probability basé sur Python, et mettront en place des réseaux neuronaux bayésiens capables d'énoncer leurs incertitudes.
L'achat du livre imprimé inclut un livre électronique gratuit aux formats PDF, Kindle et ePub de Manning Publications.
Autres informations sur le livre :
| ISBN : | 9781617296079 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 296 |
Achat:
Actuellement disponible, en stock.
