Avis des lecteurs
Résumé:Les critiques soulignent que « Math and Architectures of Deep Learning » est une ressource perspicace et utile tant pour les novices que pour les lecteurs expérimentés dans le domaine de l'apprentissage profond. Il est loué pour sa couverture approfondie des fondements mathématiques et des sujets pertinents, permettant une compréhension plus profonde des applications de l'IA. Toutefois, les lecteurs notent que des connaissances préalables en mathématiques sont nécessaires pour bien comprendre le contenu.
Avantages:Le livre comble efficacement les lacunes dans les connaissances, respecte l'intelligence du lecteur, sert d'introduction et de référence pour les débutants et les personnes expérimentées, couvre un large éventail de sujets importants, offre des explications visuelles perspicaces et contient des algorithmes d'optimisation modernes.
Inconvénients:Le livre peut s'avérer difficile pour ceux qui n'ont pas de connaissances en calcul vectoriel ou en algèbre linéaire, ce qui le rend moins accessible aux novices.
(basé sur 6 avis de lecteurs)
Titre original :
Math and Architectures of Deep Learning
Contenu du livre :
L'ouvrage Math and Architectures of Deep Learning présente les fondements de l'apprentissage profond de manière utile et accessible aux praticiens.
Les paradigmes mathématiques qui sous-tendent l'apprentissage profond commencent généralement par des articles universitaires difficiles à lire, laissant souvent les ingénieurs dans l'ignorance du fonctionnement réel de leurs modèles. Math and Architectures of Deep Learning comble le fossé entre la théorie et la pratique, en exposant les mathématiques de l'apprentissage profond côte à côte avec des implémentations pratiques en Python et PyTorch. Vous pénétrerez dans la "boîte noire" pour comprendre le fonctionnement de votre code et apprendrez à comprendre la recherche de pointe pour la transformer en applications pratiques.
L'achat du livre imprimé inclut un livre électronique gratuit aux formats PDF, Kindle et ePub de Manning Publications.
À propos de la technologie
Il est important de comprendre comment fonctionnent vos modèles d'apprentissage profond, à la fois pour pouvoir les maintenir efficacement et les expliquer aux autres parties prenantes. L'apprentissage des fondements mathématiques et de l'architecture des réseaux neuronaux peut s'avérer difficile, mais les bénéfices sont considérables. Vous ne dépendrez plus aveuglément de modèles d'apprentissage profond préemballés et serez en mesure de construire, de personnaliser et de réarchitecturer en fonction de vos besoins spécifiques. Et lorsque les choses tourneront mal, vous serez heureux de pouvoir identifier et résoudre rapidement les problèmes.
À propos du livre
Mathématiques et architectures de l'apprentissage profond présente les fondements de l'apprentissage profond d'une manière à la fois utile et accessible aux praticiens. Chaque chapitre explore un nouveau concept fondamental de l'apprentissage profond ou un modèle architectural, en expliquant les mathématiques sous-jacentes et en démontrant leur fonctionnement pratique à l'aide d'un code Python bien annoté. Vous commencerez par une introduction à l'algèbre, au calcul et aux statistiques de base, puis vous progresserez jusqu'aux paradigmes de DL de pointe issus des recherches les plus récentes. À l'issue de ce cours, vous disposerez d'un aperçu théorique et de compétences pratiques qui vous permettront d'identifier et de mettre en œuvre une architecture de DL pour presque tous les défis du monde réel.
Ce qu'il y a à l'intérieur
⬤ Math, théorie et principes de programmation côte à côte.
⬤ L'algèbre linéaire, le calcul vectoriel et les statistiques multivariées pour l'apprentissage profond.
⬤ La structure des réseaux neuronaux.
⬤ La mise en œuvre d'architectures d'apprentissage profond avec Python et PyTorch.
⬤ Le dépannage des modèles peu performants.
⬤ Des exemples de code de travail dans des carnets Jupyter téléchargeables.
A propos du lecteur
Pour les programmeurs Python ayant des bases d'algèbre et de calcul.
A propos de l'auteur
Krishnendu Chaudhury est un expert en apprentissage profond et en vision par ordinateur qui a travaillé pendant une dizaine d'années chez Google et Adobe Systems. Il est actuellement directeur technique et cofondateur de Drishti Technologies. Il est titulaire d'un doctorat en informatique de l'université du Kentucky à Lexington.
Autres informations sur le livre :
| ISBN : | 9781617296482 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2024 |
| Nombre de pages : | 450 |
Achat:
Actuellement disponible, en stock.
