Deep Learning avec Keras et TensorFlow

Cet ouvrage, conçu pour tous ceux qui souhaitent s'initier au deep learning (apprentissage profond), est la traduction de la deuxième partie du best-seller Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow (2e édition). Le deep learning est récent et il évolue vite. Ce livr...

Descripción completa

Detalles Bibliográficos
Autor principal: Géron, Aurélien (-)
Formato: Libro electrónico
Idioma:Indeterminado
Publicado: [Lugar de publicación no identificado] : Dunod 2020.
Colección:EBSCO Academic eBook Collection.
Acceso en línea:Conectar con la versión electrónica
Ver en Universidad de Navarra:https://innopac.unav.es/record=b47076173*spi
Descripción
Sumario:Cet ouvrage, conçu pour tous ceux qui souhaitent s'initier au deep learning (apprentissage profond), est la traduction de la deuxième partie du best-seller Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow (2e édition). Le deep learning est récent et il évolue vite. Ce livre en présente les principales techniques : les réseaux de neurones profonds, capables de modéliser toutes sortes de données, les réseaux de convolution, capables de classifier des images, les segmenter et découvrir les objets ou personnes qui s'y trouvent, les réseaux récurrents, capables de gérer des séquences telles que des phrases, des séries temporelles, ou encore des vidéos, les autoencodeurs qui peuvent découvrir toutes sortes de structures dans des données, de façon non supervisée, et enfin le reinforcement learning (apprentissage par renforcement) qui permet de découvrir automatiquement les meilleures actions pour effectuer une tâche (par exemple un robot qui apprend à marcher). Ce livre présente TensorFlow, le framework de deep learning créé par Google. Il est accompagné de notebooks Jupyter qui contiennent tous les exemples de code du livre, afin que le lecteur puisse facilement tester et faire tourner les programmes. Il complète un premier livre du même auteur intitulé Machine Learning avec Scikit-Learn.
Descripción Física:1 recurso electrónico
Formato:Forma de acceso: World Wide Web.
ISBN:9782100805020