Titre :	Introduction au deep learning
Type de document :	texte imprimé
Auteurs :	Eugene Charniak ; traduit de l'anglais par Anne Bohy
Editeur :	Malakoff : Dunod
Année de publication :	2021
Importance :	162 p.
ISBN/ISSN/EAN :	978210081926
Note générale :	informatique- l'intelligence artificielle- les bases du deep learning-
Langues :	Français (fre)
Mots-clés :	Informatique  maths appliqu?es  l'intelligence artificielle
Index. décimale :	006.3
Résumé :	Cet ouvrage s'adresse aux ?tudiants en fin de licence et en master d'informatique ou de maths appliqu?es, ainsi qu'aux ?l?ves ing?nieurs.L'apprentissage profond (deep learning) a r?volutionn? l'intelligence artificielle et s'est tr?s rapidement r?pandu dans de nombreux domaines d'activit?.Gr?ce ? une approche ? orient?e projet ?, ce livre a pour but d'expliquer les bases du deep learning, depuis les r?seaux de neurones ? propagation avant jusqu'aux r?seaux non supervis?s.Con?u comme un manuel d'apprentissage synth?tique, avec cours et exercices, il s'appuie sur des exemples dans des domaines comme la vision par ordinateur, la compr?hension des langages naturels ou l'apprentissage par renforcement.Ces exemples sont ?tudi?s avec le logiciel TensorFlow.Les notions th?oriques sont illustr?es et compl?t?es par une quarantaine d'exercices, dont la moiti? sont corrig?s. [source ?diteur]

Introduction au deep learning [texte imprimé] / Eugene Charniak ; traduit de l'anglais par Anne Bohy . - Malakoff : Dunod, 2021 . - 162 p.
ISSN : 978210081926
informatique- l'intelligence artificielle- les bases du deep learning-
Langues : Français (fre)

Mots-clés :	Informatique  maths appliqu?es  l'intelligence artificielle
Index. décimale :	006.3
Résumé :	Cet ouvrage s'adresse aux ?tudiants en fin de licence et en master d'informatique ou de maths appliqu?es, ainsi qu'aux ?l?ves ing?nieurs.L'apprentissage profond (deep learning) a r?volutionn? l'intelligence artificielle et s'est tr?s rapidement r?pandu dans de nombreux domaines d'activit?.Gr?ce ? une approche ? orient?e projet ?, ce livre a pour but d'expliquer les bases du deep learning, depuis les r?seaux de neurones ? propagation avant jusqu'aux r?seaux non supervis?s.Con?u comme un manuel d'apprentissage synth?tique, avec cours et exercices, il s'appuie sur des exemples dans des domaines comme la vision par ordinateur, la compr?hension des langages naturels ou l'apprentissage par renforcement.Ces exemples sont ?tudi?s avec le logiciel TensorFlow.Les notions th?oriques sont illustr?es et compl?t?es par une quarantaine d'exercices, dont la moiti? sont corrig?s. [source ?diteur]