TensorFlow pour le deep learning : de la régression linéaire à l'apprentissage par renforcement

Fiche technique

Format : Broché
Nb de pages : 245 pages
Poids : 530 g
Dimensions : 19cm X 23cm
Date de parution :
ISBN : 978-2-412-04116-1
EAN : 9782412041161

TensorFlow pour le deep learning

de la régression linéaire à l'apprentissage par renforcement

de ,

chez First interactive

Paru le | Broché 245 pages

Professionnels

35.00 Disponible - Expédié sous 3 jours ouvrés
Ajouter au panier

traduit de l'anglais par Daniel Rougé


Quatrième de couverture

TensorFlow pour le deep Learning

Apprenez à résoudre des problèmes d'apprentissage automatique (même difficiles ! ) avec TensorFlow, la nouvelle bibliothèque logicielle révolutionnaire de Google pour le deep learning. 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. Idéal pour les développeurs qui ont de l'expérience dans la conception de systèmes logiciels, il sera également utile aux scientifiques et aux autres professionnels familiers avec la création de scripts, mais pas nécessairement avec la conception d'algorithmes d'apprentissage.

  • Apprenez les concepts fondamentaux de TensorFlow et à effectuer des calculs de base
  • Construisez des systèmes d'apprentissage simples pour comprendre leurs fondements mathématiques
  • Plongez dans des réseaux profonds entièrement connectés, en usage 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 morpion
  • Entraînez des réseaux profonds avec du matériel performant, comme des GPU ou des unités de traitement de tenseurs

Biographie

Bharath Ramsundar est le développeur en chef et le créateur de DeepChem.io, 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.

Reza Bosagh Zadeh est le fondateur et P-DG de Matroid et professeur adjoint à l'université de Stanford où il donne des cours de troisième cycle sur l'apprentissage automatique et les algorithmes. Son travail se concentre sur l'apprentissage automatique, l'informatique distribuée et les mathématiques discrètes appliquées. Il a construit les algorithmes d'apprentissage automatique qui se dissimulent derrière le système de suggestions de comptes à suivre sur Twitter.