Introduction au Deep Learning Coll. InfoSup
Auteur : Charniak Eugene
L’apprentissage profond (deep learning) a révolutionné l’intelligence artificielle et s’est très rapidement répandu dans de nombreux domaines d’activité.
Grâce à une approche « orientée projet », ce livre a pour but d’expliquer les bases du deep learning, depuis les réseaux de neurones à propagation avant jusqu’aux réseaux non supervisés.
Conçu comme un manuel d’apprentissage synthétique, avec cours et exercices, il s’appuie sur des exemples dans des domaines comme la vision par ordinateur, la compréhension des langages naturels ou l’apprentissage par renforcement.
Ces exemples sont étudiés avec le logiciel TensorFlow.
Les notions théoriques sont illustrées et complétées par une quarantaine d’exercices, dont la moitié sont corrigés.
Réseaux de neurones à propagation avant. Tensorflow. Réseaux de neurones convolutifs. Plongements de mots et réseaux de neurones récurrents. Apprentissage séquence à séquence. Apprentissage par renforcement profond. Modèles de réseaux de neurones non supervisés
Date de parution : 01-2021
Ouvrage de 176 p.
17x24 cm