Deep Learning avec Keras et TensorFlow - 3e éd. Mise en oeuvre et cas concrets Coll. Hors Collection

L’objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du Deep Learning et de vous montrer, grâce à de nombreux exemples de code accessibles en ligne, comment les mettre en pratique.
La 3^e  édition de cet ouvrage de référence, très remaniée, tient compte des récentes avancées.

• Construire et entraîner de nombreuses architectures de réseaux de neurones pour classification et régression à l’aide de Keras et TensorFlow  2.
• Découvrir les mécanismes d’attention, les grands modèles de langage (LLM) tels que GPT-4, les réseaux antagonistes génératifs (GAN), les modèles de diffusion tels que DALL-E  2, la détection d’objets, la segmentation sémantique,  etc.
• Explorer Keras, l’API officielle de haut niveau pour TensorFlow  2, désormais compatible également avec PyTorch et JAX.
• Entraîner de grands modèles à l’aide de TF  Data, de l’API de stratégies de distribution, de TF  Serving, de Keras Tuner, ou encore de la bibliothèque Transformers de Hugging Face.
• Passer à l’échelle supérieure sur la plateforme Google Vertex AI, ou déployer sur des appareils mobiles.
• Créer des agents d’apprentissage autonomes avec l’apprentissage par renforcement profond.

Tous les exemples de code sont disponibles en ligne sous  la forme de notebooks Jupyter à l’adresse suivante : https://github.com/ageron/handson-ml3

Les fondamentaux du Machine Learning.  Introduction aux réseaux de neurones artificiels avec Keras. Entraînement de réseaux de neurones profonds. Modèles personnalisés et entraînement avec TensorFlow. Chargement et prétraitement de données avec TensorFlow. Vision par ordinateur et réseaux de neurones convolutifs. Traitement des séquences avec des RNN et des CNN. Traitement automatique du langage naturel avec les RNN et les attentions.  Autoencodeurs, GAN et modèles de diffusion. Apprentissage par renforcement.  Entraînement et déploiement à grande échelle  de modèles TensorFlow.

Aurélien Géron est consultant en Machine Learning. Ex-Googler, il a mené l'équipe de classification des vidéos de YouTube de 2013 à 2016. Auparavant, il avait cofondé en 2001 la société de conseil Polyconseil, puis en 2002 la société Wifirst.
Il a été consultant dans de nombreux domaines : de la santé (transfusion sanguine) aux télécoms (SFR, Bolloré Telecom), en passant par la finance (JP Morgan et Société Générale) et la défense (ministère de la Défense nationale du Canada).
Il a également enseigné en écoles d’ingénieurs.