Avis des lecteurs
Résumé:Le livre est généralement bien accueilli pour ses explications claires et concises des concepts de l'apprentissage automatique et son style accessible. Toutefois, certains utilisateurs trouvent certaines sections déroutantes en raison de la lourdeur de la notation mathématique et du manque de définitions des termes clés. Des problèmes de compatibilité avec les lecteurs électroniques et des livraisons incomplètes ont également été signalés comme des inconvénients.
Avantages:⬤ Concis, amusant et rempli d'informations précieuses
⬤ présentation claire et lisible
⬤ explications fondamentales solides adaptées aux débutants
⬤ style didactique efficace
⬤ bon pour comprendre les concepts de base
⬤ approche respectueuse des nouveaux apprenants
⬤ revue bien écrite et intuitive de l'apprentissage automatique
⬤ l'auteur est réactif aux demandes de renseignements.
⬤ Notation mathématique confuse, en particulier dans les derniers chapitres
⬤ définition insuffisante de termes importants
⬤ problèmes de compatibilité avec certains appareils
⬤ livraison incomplète du livre.
(basé sur 15 avis de lecteurs)
Titre original :
Artificial Intelligence Engines: A Tutorial Introduction to the Mathematics of Deep Learning
Contenu du livre :
Le cerveau a toujours eu un avantage fondamental sur les ordinateurs classiques : il peut apprendre. Cependant, une nouvelle génération d'algorithmes d'intelligence artificielle, sous la forme de réseaux neuronaux profonds, est en train d'éliminer rapidement cet avantage.
Les réseaux neuronaux profonds s'appuient sur des algorithmes adaptatifs pour maîtriser une grande variété de tâches, notamment le diagnostic du cancer, la reconnaissance d'objets, la reconnaissance vocale, le contrôle robotique, les échecs, le poker, le backgammon et le jeu de Go, à des niveaux de performance surhumains. Dans cet ouvrage richement illustré, les principaux algorithmes d'apprentissage des réseaux neuronaux sont d'abord expliqués de manière informelle, puis suivis d'analyses mathématiques détaillées. Les sujets abordés comprennent à la fois les réseaux neuronaux historiques (par exemple, les perceptrons) et les réseaux neuronaux profonds modernes (par exemple, les réseaux adversaires génératifs).
Des programmes informatiques en ligne, issus de sources ouvertes, permettent d'acquérir une expérience pratique des réseaux neuronaux, et des diapositives PowerPoint servent de support à l'enseignement. Rédigé dans un style informel, avec un glossaire complet, des annexes didactiques (par exemple, le théorème de Bayes) et une liste de lectures complémentaires, cet ouvrage est une introduction idéale aux moteurs algorithmiques de l'intelligence artificielle moderne.
Autres informations sur le livre :
| ISBN : | 9780956372819 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
