Titre original :
Principles and Labs for Deep Learning
Contenu du livre :
Principles and Labs for Deep Learning fournit les connaissances et les techniques nécessaires pour aider les lecteurs à concevoir et à développer des modèles d'apprentissage profond. Les techniques d'apprentissage profond sont introduites par la théorie, illustrées de manière exhaustive, expliquées par des exemples de code source TensorFlow et analysées par la visualisation des résultats.
Huang et Le permettent aux lecteurs de maîtriser TensorFlow pour construire des réseaux neuronaux convolutionnels (CNN) profonds grâce à des API personnalisées, des API Keras de haut niveau, des applications Keras et TensorFlow Hub. Chaque chapitre est accompagné d'un laboratoire avec des instructions étape par étape pour aider le lecteur à s'entraîner et à atteindre un résultat d'apprentissage spécifique. L'apprentissage profond a été appliqué avec succès dans divers domaines tels que la vision par ordinateur, le traitement audio, la robotique, le traitement du langage naturel, la bio-informatique et la chimie.
En raison de l'étendue des connaissances dans le domaine de l'apprentissage profond, il faut beaucoup de temps pour comprendre et déployer des applications utiles et fonctionnelles, d'où l'importance de cette nouvelle ressource. Des leçons théoriques et des expériences sont incluses dans chaque chapitre pour présenter les techniques et fournir des exemples de code source pour s'entraîner à les utiliser.
Tous les laboratoires de ce livre sont placés sur GitHub pour faciliter le téléchargement. Le livre est écrit en partant du principe que le lecteur connaît les bases de Python pour la programmation et les bases du Machine Learning.
Autres informations sur le livre :
| ISBN : | 9780323901987 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 366 |
Achat:
Actuellement disponible, en stock.
