Note :
Le livre de M. Paper offre un aperçu complet de l'apprentissage profond, couvrant à la fois les sujets de base et les sujets avancés, en particulier en mettant l'accent sur TensorFlow 2.0. Il est loué pour sa clarté, ses explications détaillées et son applicabilité pratique dans des mises en œuvre réelles, ce qui en fait une ressource précieuse pour l'apprentissage et le rafraîchissement des connaissances en matière d'apprentissage profond et d'apprentissage automatique.
Avantages:⬤ Explications claires et détaillées, couvre un large éventail de sujets, excellent pour les débutants et les utilisateurs avancés, expérience pratique fournie, sert de référence rapide pour les techniques, forte concentration sur TensorFlow
⬤ 0, fortement recommandé pour les implémentations pratiques.
La revue ne mentionne pas d'inconvénients significatifs, mais elle peut impliquer que la complexité de l'apprentissage profond lui-même peut être un défi, bien que le livre tente d'y répondre.
(basé sur 1 avis de lecteurs)
State-Of-The-Art Deep Learning Models in Tensorflow: Modern Machine Learning in the Google Colab Ecosystem
1. Construire des pipelines d'entrée TensorFlow2.
Augmenter la diversité de votre ensemble de données avec l'augmentation des données3. Ensembles de données TensorFlow4. Apprentissage profond avec les ensembles de données TensorFlow5.
Introduction aux Tensor Processing Units6.
Apprentissage par transfert simple avec TensorFlow Hub7. Apprentissage par transfert avancé8.
Autoencodeurs empilés9. Autoencodeurs convolutifs et variationnels10. Réseaux adversoriels génératifs11.
Réseaux adversoriels génératifs à croissance progressive12. Transfert rapide de style13. Détection d'objets14.
Introduction à l'apprentissage par renforcement.
| ISBN : | 9781484273401 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 374 |
Actuellement disponible, en stock.
