| 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 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. [source éditeur] |
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 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. [source éditeur] |
|  |
Introduction au deep learning