L'apprentissage profond pour les débutants : Un guide pour les débutants pour démarrer avec l'apprentissage profond à partir de zéro en utilisant Python.

Avis des lecteurs

Résumé:

Le livre « Deep Learning for Beginners » du Dr. Pablo Rivas est bien accueilli en tant que texte d'introduction complet qui guide les lecteurs à travers les concepts essentiels de l'apprentissage profond et les implémentations pratiques en utilisant Python. Il couvre un large éventail de sujets sur l'apprentissage profond et s'adresse aux débutants, en fournissant des conseils structurés sur les différents cadres d'apprentissage automatique.

Avantages:

⬤ Excellente introduction aux concepts d'apprentissage profond pour les débutants.
⬤ Bien organisé avec des transitions graduelles entre les sujets.
⬤ Inclut des exemples de codage et des applications pratiques dans divers domaines.
⬤ Utilise Google Colabs pour l'accessibilité.
⬤ Couvre un large éventail de cadres et d'architectures de réseaux neuronaux.

Inconvénients:

⬤ La profondeur de la couverture peut ne pas satisfaire les lecteurs avancés qui recherchent des discussions plus approfondies.
⬤ Certains lecteurs peuvent trouver le contenu trop basique s'ils ont déjà des connaissances préalables dans le domaine.

(basé sur 3 avis de lecteurs)

Titre original :

Deep Learning for Beginners: A beginner's guide to getting up and running with deep learning from scratch using Python

Contenu du livre :

Mise en œuvre de modèles d'apprentissage profond (AP) supervisés, non supervisés et génératifs à l'aide de Keras et de Dopamine sur TensorFlow.

Caractéristiques principales

⬤ Comprendre les concepts fondamentaux de l'apprentissage automatique utiles à l'apprentissage profond.

⬤ Apprenez les concepts mathématiques sous-jacents en mettant en œuvre des modèles d'apprentissage profond à partir de zéro.

⬤ Les exemples et les cas d'utilisation faciles à comprendre vous aideront à construire une base solide en apprentissage profond.

Description du livre

Avec l'augmentation exponentielle de l'information sur le web, il est devenu plus difficile que jamais de naviguer à travers tout pour trouver un contenu fiable qui vous aidera à démarrer avec l'apprentissage profond. Ce livre est conçu pour vous aider si vous êtes un débutant qui cherche à travailler sur l'apprentissage profond et à construire des modèles d'apprentissage profond à partir de zéro, et que vous avez déjà les connaissances mathématiques et de programmation de base nécessaires pour commencer.

Le livre commence par une présentation de base de l'apprentissage automatique, en vous guidant dans la mise en place de cadres Python populaires. Vous comprendrez également comment préparer les données en les nettoyant et en les prétraitant pour l'apprentissage profond, puis vous explorerez progressivement les réseaux neuronaux. Une section dédiée vous donnera un aperçu du fonctionnement des réseaux neuronaux en vous aidant à vous familiariser avec l'entraînement de couches simples et multiples de neurones. Par la suite, vous aborderez les architectures de réseaux neuronaux les plus répandues, telles que les CNN, les RNN, les AE, les VAE et les GAN, à l'aide d'exemples simples, et vous construirez même des modèles à partir de zéro. À la fin de chaque chapitre, vous trouverez une section de questions et réponses pour vous aider à tester ce que vous avez appris tout au long du livre.

À la fin de ce livre, vous serez familiarisé avec les concepts de l'apprentissage profond et disposerez des connaissances nécessaires pour utiliser des algorithmes spécifiques avec divers outils pour différentes tâches.

Ce que vous apprendrez

⬤ Mettre en œuvre les RNN et la mémoire à long terme pour la classification d'images et les tâches de traitement du langage naturel.

⬤ Explorer le rôle des CNN dans la vision artificielle et le traitement du signal.

⬤ Comprendre les implications éthiques de la modélisation de l'apprentissage profond.

⬤ Comprendre la terminologie mathématique associée à l'apprentissage profond.

⬤ Coder un GAN et une VAE pour générer des images à partir d'un espace latent appris.

⬤ Mettre en œuvre des techniques de visualisation pour comparer les AE et les VAE.

A qui s'adresse ce livre ?

Ce livre s'adresse aux scientifiques des données en herbe et aux ingénieurs en apprentissage profond qui souhaitent s'initier aux principes fondamentaux de l'apprentissage profond et des réseaux neuronaux. Bien qu'aucune connaissance préalable de l'apprentissage profond ou de l'apprentissage automatique ne soit requise, une certaine familiarité avec l'algèbre linéaire et la programmation Python est nécessaire pour commencer.

Autres informations sur le livre :

• ISBN : 9781838640859
• Auteur : Pablo Rivas
• Éditeur : Packt Pub
• Reliure : Broché