Note :
Le livre reçoit des critiques mitigées quant à sa valeur dans la compréhension de l'apprentissage profond et des réseaux neuronaux. Si plusieurs lecteurs apprécient son accessibilité et ses applications pratiques pour les débutants, d'autres lui reprochent son manque de profondeur, sa mauvaise grammaire et des problèmes liés à la qualité de la traduction.
Avantages:Il s'agit d'une bonne introduction aux applications de l'apprentissage profond, utile pour les débutants, contenant des parties pratiques qui permettent de construire des réseaux facilement, certains lecteurs l'ont trouvé pratique et plein d'informations utiles.
Inconvénients:⬤ Pas assez technique pour certains
⬤ les explications théoriques peuvent être insuffisantes
⬤ critiqué pour la mauvaise qualité de la grammaire et de la traduction
⬤ certains l'ont trouvé incompréhensible sans connaissances préalables
⬤ des préoccupations ont été soulevées quant à la crédibilité de l'auteur.
(basé sur 7 avis de lecteurs)
Deep Learning for Beginners: A comprehensive introduction of deep learning fundamentals for beginners to understanding frameworks, neural networks,
Si vous cherchez un guide complet pour les débutants afin d'apprendre l'apprentissage profond avec des exemples, en seulement quelques heures, alors vous devez continuer à lire.
Ce livre aborde les bases de l'apprentissage profond pour ceux qui sont passionnés par tout ce qui touche à l'apprentissage automatique et à l'intelligence artificielle. Pour ceux qui ont vu des films montrant des systèmes informatiques prenant le contrôle du monde, comme Terminator, ou des systèmes bienveillants qui surveillent la population, comme Person of Interest, ce livre devrait être dans vos cordes.
Ce livre vous donnera les bases de ce qu'implique l'apprentissage profond. Cela signifie les cadres utilisés par les codeurs et les composants et outils importants utilisés dans l'apprentissage profond, qui permettent la reconnaissance faciale, la reconnaissance vocale et l'assistance virtuelle. Oui, l'apprentissage profond fournit les outils grâce auxquels des systèmes comme Siri sont devenus possibles.
Apprenez-en plus sur l'apprentissage profond :
⬤ L'apprentissage profond utilise des cadres qui permettent aux gens de développer des outils capables d'offrir une meilleure abstraction, ainsi qu'une simplification des problèmes de programmation difficiles. TensorFlow est l'outil le plus populaire et est utilisé par des entreprises géantes comme Airbus, Twitter et même Google.
⬤ Le livre présente TensorFlow et Caffe2 comme les principaux frameworks utilisés pour le développement par Google et Facebook. Facebook présente Caffe2 comme l'un des frameworks d'apprentissage profond légers et modulaires, bien que TensorFlow soit le plus populaire, étant donné qu'il jouit d'une grande popularité, et donc d'un grand forum, ce qui permet d'obtenir de l'aide sur les principaux problèmes.
⬤ Le livre considère plusieurs composants et outils de l'apprentissage profond tels que les réseaux neuronaux.
CNNs, RNNs, GANs, et auto-encodeurs. Ces algorithmes créent les blocs de construction qui propulsent l'apprentissage profond et le font progresser.
⬤ Le livre examine également plusieurs applications, y compris les chatbots et les assistants virtuels, qui sont devenus le principal centre d'intérêt de l'apprentissage profond à l'avenir, car ils représentent la prochaine frontière dans la collecte d'informations et la connectivité. L'Internet des objets est également représenté ici, car l'apprentissage profond permet l'intégration de divers systèmes via un système d'intelligence artificielle, qui est déjà utilisé pour les fonctions de la maison et de la voiture.
⬤ Et bien plus encore...
L'utilisation de la science des données ajoute beaucoup de valeur aux entreprises, et nous continuerons à voir le besoin de scientifiques des données augmenter.
Ce livre est probablement l'un des meilleurs livres pour les débutants. Il s'agit d'un guide étape par étape pour toute personne souhaitant commencer à apprendre le deep learning et l'intelligence artificielle en partant de zéro.
Quand la science des données peut réduire les coûts des dépenses de plusieurs milliards de dollars dans notre économie, pourquoi attendre pour se lancer ?.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)