Avis des lecteurs
Résumé:Le livre reçoit des critiques mitigées, certains louant sa couverture complète de TensorFlow et son approche pratique, tandis que d'autres le critiquent pour sa mauvaise édition, son manque de clarté et ses nombreuses erreurs.
Avantages:Le livre fournit une vue d'ensemble de haut niveau de TensorFlow, couvre un large éventail de modèles d'apprentissage profond et suit un format de livre de recettes pratique, ce qui le rend utile pour les utilisateurs avancés. Des chapitres spécifiques, tels que ceux sur les autoencodeurs et l'apprentissage par renforcement, sont particulièrement bien accueillis. Il simplifie les concepts complexes et offre de bons détails sur la mise en œuvre. Il comprend également des instructions pas à pas pour l'utilisation des modèles TensorFlow dans les applications mobiles.
Inconvénients:De nombreuses critiques soulignent des erreurs d'édition importantes, notamment des extraits de code incorrects et une mauvaise mise en forme, qui peuvent prêter à confusion. Certains lecteurs trouvent que l'organisation du contenu laisse à désirer, avec des exemples mal expliqués. Le livre est critiqué pour sa présentation trompeuse du contenu, car certaines sections s'appuient sur Keras plutôt que sur TensorFlow. En outre, il est affirmé que de nombreux concepts et extraits de code peuvent être trouvés gratuitement sur Internet, ce qui rend le prix du livre excessif.
(basé sur 16 avis de lecteurs)
Titre original :
TensorFlow 1.x Deep Learning Cookbook
Contenu du livre :
Passez à l'étape suivante de l'implémentation de divers réseaux neuronaux courants et moins courants avec Tensorflow 1. x.
Caractéristiques principales :
⬤ Mise au point et implémentation de réseaux neuronaux complexes à l'aide de TensorFlow 1.x de Google.
⬤ Un guide facile à suivre qui vous permet d'explorer l'apprentissage par renforcement, les GAN, les autoencodeurs, les perceptrons multicouches et bien plus encore.
⬤ Des recettes pratiques pour travailler avec Tensorflow sur ordinateur, mobile et environnement cloud.
Description du livre :
Les réseaux de neurones profonds (DNN) ont connu un grand succès dans le domaine de la vision artificielle, de la reconnaissance vocale et du traitement du langage naturel. Ce guide passionnant basé sur des recettes vous fera passer du domaine de la théorie des réseaux neuronaux profonds à leur mise en œuvre pratique pour résoudre des problèmes concrets dans le domaine de l'intelligence artificielle.
Dans ce livre, vous apprendrez à utiliser efficacement TensorFlow, le framework open source de Google pour l'apprentissage profond. Vous mettrez en œuvre différents réseaux d'apprentissage profond, tels que les réseaux neuronaux convolutifs (CNN), les réseaux neuronaux récurrents (RNN), les réseaux d'apprentissage Q profond (DQN) et les réseaux adversoriels génératifs (GAN), à l'aide de recettes autonomes faciles à suivre. Vous apprendrez à utiliser TensorFlow avec Keras comme backend. Vous apprendrez comment les différents DNN se comportent sur des ensembles de données populaires, tels que MNIST, CIFAR-10, et Youtube8m. Vous découvrirez non seulement les différentes plateformes mobiles et embarquées prises en charge par TensorFlow, mais aussi comment mettre en place des plateformes cloud pour les applications d'apprentissage profond. Vous aurez également un aperçu de l'architecture TPU et de la façon dont elle affectera l'avenir des DNN.
En utilisant des recettes claires et simples, vous deviendrez un expert dans la mise en œuvre des techniques d'apprentissage profond dans les applications du monde réel en pleine croissance et les domaines de recherche tels que l'apprentissage par renforcement, les GAN et les autoencodeurs.
Ce que vous apprendrez
⬤ Exploiter différents jeux de données tels que MNIST, CIFAR-10, et Youtube8m avec TensorFlow et apprendre à y accéder et à les utiliser dans votre code.
⬤ Utilisez TensorBoard pour comprendre les architectures des réseaux neuronaux, optimiser le processus d'apprentissage et jeter un coup d'œil dans la boîte noire des réseaux neuronaux.
⬤ Utiliser différentes techniques de régression pour les problèmes de prédiction et de classification.
⬤ Construire des perceptrons simples et multicouches dans TensorFlow.
⬤ Implémenter un CNN et un RNN dans TensorFlow et les utiliser pour résoudre des problèmes du monde réel.
⬤ Apprendre comment les machines de Boltzmann restreintes peuvent être utilisées pour recommander des films.
⬤ Comprendre l'implémentation des autoencodeurs et des réseaux de croyance profonds, et les utiliser pour la détection d'émotions.
⬤ Maîtriser les différentes méthodes d'apprentissage par renforcement afin d'implémenter des agents joueurs.
A qui s'adresse ce livre :
Ce livre s'adresse aux analystes de données, aux data scientists, aux praticiens de l'apprentissage automatique et aux passionnés de l'apprentissage profond qui souhaitent effectuer des tâches d'apprentissage profond de manière régulière et qui recherchent un guide pratique auquel ils peuvent se référer. Les personnes qui sont légèrement familiarisées avec les réseaux neuronaux et qui souhaitent maintenant acquérir une expertise dans le travail avec différents types de réseaux neuronaux et d'ensembles de données trouveront ce livre très utile.
Autres informations sur le livre :
| ISBN : | 9781788293594 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
