- EAN13
- 9782100869893
- Éditeur
- Dunod
- Date de publication
- 20/03/2024
- Langue
- français
- Fiches UNIMARC
- S'identifier
Autre version disponible
-
Papier - Dunod 49,00
L’objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du
Deep Learning et de vous montrer, grâce à de nombreux exemples de code
accessibles en ligne, comment les mettre en pratique.
La 3e édition de cet ouvrage de référence, très remaniée, tient compte des
récentes avancées.
* Construire et entraîner de nombreuses architectures de réseaux de neurones pour classification et régression à l’aide de Keras et TensorFlow 2.
* Découvrir les mécanismes d’attention, les grands modèles de langage (LLM) tels que GPT-4, les réseaux antagonistes génératifs (GAN), les modèles de diffusion tels que DALL-E 2, la détection d’objets, la segmentation sémantique, etc.
* Explorer Keras, l’API officielle de haut niveau pour TensorFlow 2, désormais compatible également avec PyTorch et JAX.
* Entraîner de grands modèles à l’aide de TF Data, de l’API de stratégies de distribution, de TF Serving, de Keras Tuner, ou encore de la bibliothèque Transformers de Hugging Face.
* Passer à l’échelle supérieure sur la plateforme Google Vertex AI, ou déployer sur des appareils mobiles.
* Créer des agents d’apprentissage autonomes avec l’apprentissage par renforcement profond.
Tous les exemples de code sont disponibles en ligne sous la forme de
notebooks Jupyter à l’adresse suivante : https://github.com/ageron/handson-ml3
Deep Learning et de vous montrer, grâce à de nombreux exemples de code
accessibles en ligne, comment les mettre en pratique.
La 3e édition de cet ouvrage de référence, très remaniée, tient compte des
récentes avancées.
* Construire et entraîner de nombreuses architectures de réseaux de neurones pour classification et régression à l’aide de Keras et TensorFlow 2.
* Découvrir les mécanismes d’attention, les grands modèles de langage (LLM) tels que GPT-4, les réseaux antagonistes génératifs (GAN), les modèles de diffusion tels que DALL-E 2, la détection d’objets, la segmentation sémantique, etc.
* Explorer Keras, l’API officielle de haut niveau pour TensorFlow 2, désormais compatible également avec PyTorch et JAX.
* Entraîner de grands modèles à l’aide de TF Data, de l’API de stratégies de distribution, de TF Serving, de Keras Tuner, ou encore de la bibliothèque Transformers de Hugging Face.
* Passer à l’échelle supérieure sur la plateforme Google Vertex AI, ou déployer sur des appareils mobiles.
* Créer des agents d’apprentissage autonomes avec l’apprentissage par renforcement profond.
Tous les exemples de code sont disponibles en ligne sous la forme de
notebooks Jupyter à l’adresse suivante : https://github.com/ageron/handson-ml3
S'identifier pour envoyer des commentaires.