Avis des lecteurs
Résumé:Ce livre propose une introduction aux modèles génératifs, couvrant un large éventail de sujets, d'outils et d'applications, y compris des exemples de codage pratiques. Il convient aux débutants et aux praticiens chevronnés, bien qu'il présente quelques faiblesses au niveau de la structure et de la pertinence de certains contenus.
Avantages:⬤ Couverture complète des modèles génératifs et de leurs applications.
⬤ Des exemples de codage pratiques utilisant TensorFlow et Keras.
⬤ Des tutoriels détaillés sur la mise en place d'environnements de programmation.
⬤ Un appel à un large public en expliquant des sujets complexes d'une manière accessible.
⬤ Bonne organisation des concepts fondamentaux menant à des projets pratiques.
⬤ Certains chapitres sont répétitifs et contiennent du contenu inutile.
⬤ Les exemples de codage ne fonctionnent pas toujours, ce qui entraîne une certaine confusion.
⬤ La structure du livre est critiquée pour être mal organisée, avec des erreurs factuelles.
⬤ Les exemples de PNL sont considérés comme plus faibles que les sections sur l'image et l'audio.
⬤ Certains sujets, comme l'apprentissage par renforcement, ne sont pas pertinents par rapport à l'accent mis sur les modèles génératifs.
(basé sur 21 avis de lecteurs)
Titre original :
Generative AI with Python and TensorFlow 2: Create images, text, and music with VAEs, GANs, LSTMs, Transformer models
Contenu du livre :
Mettre en œuvre des modèles génératifs classiques et d'apprentissage profond à travers des exemples pratiques.
Caractéristiques principales :
⬤ Explorer les capacités créatives et humaines de l'IA et générer des résultats impressionnants.
⬤ Utilisez les dernières recherches pour étendre vos connaissances au-delà de ce livre.
⬤ Expérimentez avec des implémentations pratiques de TensorFlow 2.x de modèles génératifs de pointe.
Description du livre :
Ces dernières années, l'intelligence artificielle générative a joué un rôle déterminant dans la création de données réalistes (images, parole, vidéo, musique et texte) à partir de zéro. Dans ce livre, vous découvrirez comment ces modèles puissants sont créés à partir de blocs de construction relativement simples, et comment vous pouvez adapter ces modèles à vos propres cas d'utilisation.
Vous commencerez par mettre en place des environnements conteneurisés propres pour Python et par vous familiariser avec les principes fondamentaux des réseaux neuronaux profonds, en découvrant des concepts de base tels que le perceptron, les fonctions d'activation, la rétropropagation et la manière dont ils s'articulent entre eux. Une fois que vous aurez couvert les bases, vous explorerez en profondeur les modèles génératifs profonds, y compris la série de générateurs de nouvelles GPT d'OpenAI, les réseaux pour le transfert de style et les deepfakes, et la synergie avec l'apprentissage par renforcement.
Au fur et à mesure de votre progression, vous vous concentrerez sur les abstractions lorsque cela est utile, et vous comprendrez les " rouages " de la façon dont les modèles sont composés dans le code, étayés par des diagrammes d'architecture détaillés. Le livre se termine par une variété de projets pratiques pour générer de la musique, des images, du texte et de la parole en utilisant les méthodes que vous avez apprises dans les sections précédentes, en assemblant des couches TensorFlow, des fonctions utilitaires et des boucles d'apprentissage pour découvrir les liens entre les différents modes de génération.
À la fin de ce livre, vous aurez acquis les connaissances nécessaires pour créer et mettre en œuvre vos propres modèles d'IA générative.
Ce que vous apprendrez
⬤ Implémenter le transfert de style pairé et non pairé avec des réseaux comme StyleGAN.
⬤ Utiliser les repères faciaux, les autoencodeurs et le GAN pix2pix pour créer des deepfakes.
⬤ Construire plusieurs pipelines de génération de texte basés sur des LSTM, BERT et GPT-2, en apprenant comment l'attention et les transformateurs ont changé le paysage du NLP.
⬤ Composer de la musique en utilisant des modèles LSTM, des réseaux adversaires génératifs simples et le complexe MuseGAN.
⬤ Entraîner un agent d'apprentissage profond à se déplacer dans un environnement physique simulé.
⬤ Découvrir les applications émergentes de l'IA générative, telles que le pliage des protéines et la création de vidéos à partir d'images.
À qui s'adresse ce livre :
Ce livre s'adresse aux programmeurs Python, aux modélisateurs chevronnés et aux ingénieurs en apprentissage automatique qui souhaitent en savoir plus sur la création et la mise en œuvre de modèles génératifs. Pour tirer le meilleur parti de ce livre, vous devez avoir une connaissance de base de la théorie des probabilités, de l'algèbre linéaire et de l'apprentissage profond.
Autres informations sur le livre :
| ISBN : | 9781800200883 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
