Introduction au deep learning

Eugene Charniak - Collection Info sup

16 pages, parution le 13/01/2021

Ajouter à une liste

Expédié sous 24h

Livraison à partir de 0,01€ dès 35€ d'achats
Pour une livraison en France métropolitaine

Retrait à la librairie - Paris 5e

Disponible dès le 11/11

QUANTITÉ

Téléchargement immédiat

Format : PDF
Avec protection DRM (Adobe DRM)

QUANTITÉ

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.

Traduit de l'anglais par Anne Bohy

Extrait du livre

L'auteur - Eugene Charniak

Eugene Charniak est professeur d'informatique et de sciences cognitives à l'Université Brown (États-Unis).

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

Voir tout

Replier

Caractéristiques techniques

	PAPIER	NUMERIQUE
Éditeur(s)	Dunod
Auteur(s)	Eugene Charniak
Collection	Info sup
Parution	13/01/2021	13/01/2021
Nb. de pages	16	204
Format	24 x 17	-
Couverture	Broché	-
Poids	346g	-
Intérieur	Noir et Blanc	-
Contenu	-	PDF
EAN13	9782100819263	9782100825783