Avis des lecteurs
Résumé:Le livre se présente comme une ressource d'introduction à la compréhension de l'apprentissage profond, en mettant l'accent sur l'accessibilité des concepts complexes pour les débutants. Cependant, il a reçu des critiques mitigées concernant sa clarté, les erreurs dans les exemples de codage et l'organisation générale.
Avantages:⬤ Explications claires et compréhensibles des concepts de l'apprentissage profond.
⬤ Approche pratique de la mise en œuvre des réseaux neuronaux.
⬤ Accessible aux débutants n'ayant pas de solides connaissances en mathématiques.
⬤ Bonnes connaissances de base sur l'apprentissage profond dans un style progressif.
⬤ Une narration et des analogies engageantes qui aident à démystifier des idées complexes.
⬤ Des erreurs de codage significatives qui pourraient déconcerter les apprenants novices.
⬤ Certains chapitres ont été notés comme étant confus ou mal structurés.
⬤ Contient des erreurs typographiques et des exemples qui semblent irréalistes ou inventés, entraînant un décalage potentiel avec les applications pratiques.
⬤ Certaines sections critiques manquent d'élaboration, laissant les lecteurs à la recherche de ressources supplémentaires pour obtenir des éclaircissements.
(basé sur 35 avis de lecteurs)
Titre original :
Grokking Deep Learning
Contenu du livre :
Résumé
Grokking Deep Learning vous apprend à construire des réseaux neuronaux d'apprentissage profond à partir de zéro. Dans son style engageant, Andrew Trask, expert chevronné en apprentissage profond, vous montre la science sous le capot, afin que vous puissiez comprendre par vous-même chaque détail de l'entraînement des réseaux neuronaux.
L'achat du livre imprimé inclut un livre électronique gratuit aux formats PDF, Kindle et ePub de Manning Publications.
À propos de la technologie
L'apprentissage profond, une branche de l'intelligence artificielle, apprend aux ordinateurs à apprendre en utilisant des réseaux neuronaux, une technologie inspirée du cerveau humain. La traduction de textes en ligne, les voitures autonomes, les recommandations de produits personnalisées et les assistants vocaux virtuels ne sont que quelques-unes des avancées modernes passionnantes rendues possibles grâce à l'apprentissage profond.
À propos du livre
Grokking Deep Learning vous apprend à construire des réseaux neuronaux d'apprentissage profond à partir de zéro Dans son style engageant, Andrew Trask, expert chevronné de l'apprentissage profond, vous montre la science sous le capot, afin que vous puissiez comprendre par vous-même chaque détail de la formation des réseaux neuronaux. En utilisant uniquement Python et sa bibliothèque mathématique, NumPy, vous formerez vos propres réseaux neuronaux pour voir et comprendre des images, traduire des textes dans différentes langues et même écrire comme Shakespeare.
Ce qu'il y a à l'intérieur
⬤ La science derrière l'apprentissage profond.
⬤ La construction et l'entraînement de vos propres réseaux neuronaux.
⬤ Les concepts de confidentialité, y compris l'apprentissage fédéré.
⬤ Des conseils pour poursuivre votre quête de l'apprentissage profond.
À propos du lecteur
Pour les lecteurs ayant des connaissances en mathématiques de niveau secondaire et des compétences intermédiaires en programmation.
À propos de l'auteur
Andrew Trask est doctorant à l'Université d'Oxford et chercheur chez DeepMind. Auparavant, Andrew était chercheur et chef de produit analytique chez Digital Reasoning, où il a formé le plus grand réseau neuronal artificiel au monde et a contribué à orienter la feuille de route analytique pour la plateforme d'informatique cognitive de Synthesys.
Table des matières
⬤ Introduction à l'apprentissage profond : pourquoi vous devriez l'apprendre.
⬤ Concepts fondamentaux : comment les machines apprennent-elles ?
⬤ Introduction à la prédiction neuronale : la propagation vers l'avant.
⬤ Introduction à l'apprentissage neuronal : la descente de gradient.
⬤ Apprentissage de plusieurs poids à la fois : généralisation de la descente de gradient.
⬤ Construction de votre premier réseau neuronal profond : introduction à la rétropropagation.
⬤ Comment se représenter les réseaux neuronaux : dans votre tête et sur papier.
⬤ Apprendre le signal et ignorer le bruit : introduction à la régularisation et à la mise en lots.
⬤ Modélisation des probabilités et des non-linéarités : fonctions d'activation.
⬤ Apprentissage neuronal des bords et des coins : introduction aux réseaux neuronaux convolutifs.
⬤ Les réseaux neuronaux qui comprennent le langage : roi - homme + femme == ?
⬤ Les réseaux neuronaux qui écrivent comme Shakespeare : couches récurrentes pour les données de longueur variable.
⬤ Introduction de l'optimisation automatique : construisons un cadre d'apprentissage profond.
⬤ Apprendre à écrire comme Shakespeare : la mémoire à long terme.
⬤ Apprentissage profond sur des données inédites : introduction de l'apprentissage fédéré.
⬤ Où aller à partir d'ici : un bref guide.
Autres informations sur le livre :
| ISBN : | 9781617293702 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2019 |
| Nombre de pages : | 336 |
Achat:
Actuellement disponible, en stock.
