Avis des lecteurs
Résumé:Le livre fait l'objet d'un mélange de critiques et d'éloges. Les utilisateurs estiment qu'il est fortement axé sur les principes de base de la programmation Python et du traitement d'images, et qu'il répète souvent les informations sur plusieurs pages. De nombreux commentaires critiquent le manque d'approfondissement des concepts d'apprentissage automatique liés au traitement d'images. La qualité globale du contenu semble insuffisante pour les apprenants plus avancés, avec des explications répétitives et superficielles. Cependant, certains apprécient la qualité de l'impression et le trouvent quelque peu utile pour les débutants.
Avantages:Bonne qualité d'impression ; peut être utile comme guide pratique de base pour le traitement d'images.
Inconvénients:Concentration excessive sur les concepts de base de Python et du traitement d'images, contenu trop répétitif, manque de profondeur dans les applications d'apprentissage automatique, explication insuffisante des concepts clés, nombreuses erreurs dans le contenu et les exemples, ressources GitHub obsolètes, et généralement considéré comme ne valant pas l'investissement pour les apprenants avancés.
(basé sur 9 avis de lecteurs)
Titre original :
Practical Machine Learning and Image Processing: For Facial Recognition, Object Detection, and Pattern Recognition Using Python
Contenu du livre :
Chapitre 1 : Installation et configuration de l'environnement.
Objectif du chapitre : Préparer le système pour le traitement et l'analyse d'images.
Nombre de pages 20.
Sous-thèmes (2 premiers)
1. Installation de Jupyter Notebook.
2. Installation d'OpenCV et d'autres dépendances pour l'analyse d'images.
3. Installation des dépendances pour les réseaux neuronaux.
Chapitre 2 : Introduction à Python et au traitement d'images.
Objectif du chapitre : Introduction aux différents concepts de Python et aux applications de traitement d'images.
Nombre de pages : 50.
Sous-sujets (2 premiers)
1. Les bases de Python.
2. Terminologies liées à l'analyse d'images.
Chapitre 3 : Traitement d'image avancé avec OpenCV.
Objectif du chapitre : Comprendre les algorithmes et leurs applications en utilisant Python.
Nombre de pages : 100.
Sous-sujets (2 premiers) :
1. Opérations sur les images.
2. Transformations d'images.
Chapitre 4 : Approches d'apprentissage automatique dans le traitement des images.
Objectif du chapitre : Implémentation de base des modèles d'apprentissage automatique et profond, qui prend en charge le traitement de l'image, avant les applications dans les scénarios en temps réel.
Nombre de pages : 100.
Sous-sujets (2 premiers) :
1. Classification et segmentation d'images.
2. Application des approches d'apprentissage supervisé et non supervisé sur les images en utilisant Python.
Chapitre 5 : Cas d'utilisation en temps réel.
Objectif du chapitre : Travailler sur 5 projets en utilisant Python, en appliquant tous les concepts appris dans ce livre.
Nombre de pages : 100.
Sous-sujets (5 premiers) :
1. Détection faciale.
2. Reconnaissance faciale.
3. Reconnaissance des mouvements des gestes de la main.
4. Conceptualisation des voitures auto-conduites : Détection avancée des voies de circulation.
5. Conceptualisation des voitures autonomes : Détection des panneaux de signalisation.
Chapitre 6 : Annexe A.
Objectif du chapitre : concepts avancés Introduction.
Nombre de pages : 50.
Sous-sujets (2 premiers) :
1. AdaBoost et XGBoost.
2. Réseaux neuronaux couplés à l'impulsion.
Autres informations sur le livre :
| ISBN : | 9781484241486 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
| Année de publication : | 2019 |
| Nombre de pages : | 169 |
Achat:
Actuellement disponible, en stock.
