Avis des lecteurs
Résumé:Le livre de James Stone est reconnu pour offrir une introduction concise et attrayante aux concepts de l'apprentissage automatique et de l'apprentissage profond, s'adressant à des lecteurs ayant des niveaux de connaissances mathématiques variés. Alors que de nombreux critiques font l'éloge de sa lisibilité et de son approche pédagogique, certains trouvent certaines sections déroutantes en raison d'un recours important à une nomenclature complexe et de définitions insuffisantes des termes clés.
Avantages:⬤ Concis et amusant, rempli d'informations précieuses
⬤ style d'écriture attrayant
⬤ bon pour les lecteurs ayant des connaissances de base en mathématiques
⬤ explique efficacement les concepts de base
⬤ fournit une perspective historique
⬤ l'auteur est réactif aux demandes de renseignements.
⬤ Nomenclature confuse et notation mathématique complexe
⬤ certains concepts mal définis
⬤ certains lecteurs signalent des difficultés à comprendre les idées clés, en particulier dans les derniers chapitres
⬤ problèmes de compatibilité avec Kindle Scribe
⬤ problèmes de livraison avec la version imprimée.
(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 : | 9780956372826 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2019 |
| Nombre de pages : | 218 |
Achat:
Actuellement disponible, en stock.
