| Titre : |
Introduction au deep learning |
| Type de document : |
texte imprimé |
| Auteurs : |
Eugene Charniak, Auteur ; Anne Bohy, Traducteur |
| Editeur : |
Malakoff : Dunod |
| Année de publication : |
2021 |
| Importance : |
162 p. |
| Format : |
24cm. |
| ISBN/ISSN/EAN : |
978-2-10-081926-3 |
| Note générale : |
informatique;l'intelligence artificielle;bases;deep learning |
| Langues : |
Français (fre) |
| Mots-clés : |
Informatique maths appliquées l'intelligence artificielle |
| Index. décimale : |
006.3 |
| Résumé : |
Cet ouvrage s'adresse aux étudiants en fin de licence et en master d'informatique ou de maths appliquées, ainsi qu'aux élèves ingénieurs.
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.
|
| Note de contenu : |
Sommaire:
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
|
| En ligne : |
https://m.media-amazon.com/images/I/71IJx8fvUQL.jpg |
Introduction au deep learning [texte imprimé] / Eugene Charniak, Auteur ; Anne Bohy, Traducteur . - Malakoff : Dunod, 2021 . - 162 p. ; 24cm. ISBN : 978-2-10-081926-3 informatique;l'intelligence artificielle;bases;deep learning Langues : Français ( fre)
| Mots-clés : |
Informatique maths appliquées l'intelligence artificielle |
| Index. décimale : |
006.3 |
| Résumé : |
Cet ouvrage s'adresse aux étudiants en fin de licence et en master d'informatique ou de maths appliquées, ainsi qu'aux élèves ingénieurs.
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.
|
| Note de contenu : |
Sommaire:
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
|
| En ligne : |
https://m.media-amazon.com/images/I/71IJx8fvUQL.jpg |
|  |
Affiner la recherche Interroger des sources externes
