Réseaux neuronaux artificiels avec Tensorflow 2 : Projets d'apprentissage automatique de l'architecture d'Ann

Avis des lecteurs

Résumé:

Ce livre propose une introduction claire et pratique à TensorFlow, couvrant les concepts fondamentaux et les applications de l'apprentissage profond. Il est apprécié pour son approche structurée et ses explications détaillées, en particulier dans les domaines de Keras, de la construction de modèles et des exemples pratiques. Cependant, certains évaluateurs ont noté que certains concepts ne sont pas expliqués de manière adéquate et ont identifié des erreurs dans les explications. Une mise à jour du contenu est recommandée.

Avantages:

Clair, bien structuré, approche pratique, explications détaillées, couverture complète des sujets, en particulier de Keras et de la construction de modèles, exemples orientés vers l'application, inclut le code source pour l'implémentation.

Inconvénients:

Certains concepts sont mal expliqués, contient des erreurs dans les explications, manque de clarté sur les différences entre les API, nécessite une mise à jour pour corriger les imprécisions.

(basé sur 3 avis de lecteurs)

Titre original :

Artificial Neural Networks with Tensorflow 2: Ann Architecture Machine Learning Projects

Contenu du livre :

Développer des modèles d'apprentissage automatique dans divers domaines. Ce livre offre une source unique qui fournit une couverture complète des capacités de TensorFlow 2 à travers l'utilisation de projets réalistes et basés sur des scénarios.

Après avoir appris les nouveautés de TensorFlow 2, vous plongerez directement dans le développement de modèles d'apprentissage automatique à l'aide de projets applicables. Ce livre couvre une grande variété d'architectures ANN - en commençant par travailler avec un simple réseau séquentiel jusqu'aux CNN avancés, RNN, LSTM, DCGAN, et ainsi de suite. Un chapitre entier est consacré à chaque type de réseau et chaque chapitre consiste en un projet complet décrivant l'architecture de réseau utilisée, la théorie derrière cette architecture, l'ensemble de données utilisé, le prétraitement des données, l'entraînement du modèle, les tests et les optimisations de performance, et l'analyse.

Cette approche pratique peut être utilisée du début à la fin ou, si vous êtes déjà familiarisé avec les modèles ML de base, vous pouvez vous plonger directement dans l'application qui vous intéresse. Des explications ligne par ligne sur les principaux segments de code permettent de compléter les détails au fur et à mesure que vous travaillez, et la source du projet est entièrement disponible en ligne pour l'apprentissage et l'expérimentation ultérieure. Avec Artificial Neural Networks with TensorFlow 2, vous verrez à quel point l'éventail des capacités de TensorFlow est large.

Ce que vous apprendrez

⬤ Développer des applications d'apprentissage automatique.

⬤ Traduire des langues à l'aide de réseaux neuronaux.

⬤ Composer des images avec le transfert de style.

A qui s'adresse ce livre ?

Les débutants, les praticiens et les développeurs expérimentés qui veulent maîtriser l'apprentissage automatique et l'apprentissage profond avec TensorFlow 2. Le lecteur doit avoir des notions pratiques des bases et de la terminologie de l'apprentissage automatique.

Autres informations sur le livre :

• ISBN : 9781484261491
• Auteur : Poornachandra Sarang
• Éditeur : Apress
• Reliure : Broché
• Année de publication : 2020
• Nombre de pages : 726