TensorFlow pour le Deep learning De la régréssion linéaire à l'apprentissage par renforcement
Auteurs : Ramsundar Bharath, Bosagh Zadeh Rez
Si vous avez une formation de base en algèbre linéaire et en calcul, ce livre pratique vous introduit dans les arcanes des principes fondamentaux de l'apprentissage automatique en vous montrant comment concevoir des systèmes capables de détecter des objets dans des images, de comprendre du texte et de prédire les propriétés de médicaments potentiels.
TensorFlow pour le Deep Learning vous fait découvrir les concepts à l'aide d'exemples pratiques, et vous aide à acquérir des connaissances solides sur le deep learning en partant de cas concrets. Il est idéal pour les développeurs qui ont de l'expérience dans la conception de systèmes logiciels, et sera également utile aux scientifiques et aux autres professionnels qui sont familiers avec la création de scripts, mais pas nécessairement avec la conception d'algorithmes d'apprentissage.
? Apprenez les concepts fondamentaux de TensorFlow, y compris comment effectuer un calcul de base
? Construisez des systèmes d'apprentissage simples pour comprendre leurs fondements mathématiques
? Plongez dans des réseaux profonds entièrement connectés et qui sont utilisés dans des milliers d'applications
? Transformez des prototypes en modèles de haute qualité en optimisant des hyperparamètres
? Traitez des images avec des réseaux de neurones convolutifs
? Gérez des jeux de données en langage naturel avec des réseaux de neurones récurrents
? Utilisez l'apprentissage par renforcement pour résoudre des jeux tels que le tic-tac-toe
? Entraînez des réseaux profonds avec du matériel performant, qu'il s'agisse de GPU ou d'unités de traitement de tenseurs
Collection O'Reilly
Marvin Bertin est Ingénieur de Recherche en Apprentissage Automatique chez Freenome.
Bharath Ramsundar est le développeur en chef et le créateur de DeepChem.io, un projet open source construit avec TensorFlow qui vise à démocratiser l'utilisation du deep learning dans le domaine de la découverte de nouveaux médicaments. Il est doctorant en informatique à l'université de Stanford.
Date de parution : 10-2018
Ouvrage de 245 p.
18.9x23 cm