TensorFlow pour le Deep learning - De la régréssion linéaire à l'apprentissage par renforcement

BOSAGH ZADEH, Reza, RAMSUNDAR, Bharath

ISBN 10: 2412041164 / ISBN 13: 9782412041161

Edité par FIRST INTERACT, 2018

A propos de cet article

Gut/Very good: Buch bzw. Schutzumschlag mit wenigen Gebrauchsspuren an Einband, Schutzumschlag oder Seiten. / Describes a book or dust jacket that does show some signs of wear on either the binding, dust jacket or pages.

N° de réf. du vendeur M02412041164-V

Détails bibliographiques

• Titre: TensorFlow pour le Deep learning - De la régréssion linéaire à l'apprentissage par renforcement
• Éditeur: FIRST INTERACT
• Date de parution: 2018
• Langue: français
• ISBN à 10 chiffres: 2412041164
• ISBN à 13 chiffres: 9782412041161
• Reliure: Couverture souple
• État de l'article: very good

A propos de ce titre

Synopsis

Apprenez à résoudre des problèmes d'apprentissage automatique (même difficiles !) avec TensorFIow, 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. Il est idéal pour les développeurs qui ont de l'expérience dans la conception de systèmes logiciels, et sera également utile aux scientifiques et aux autres professionnels qui sont familiers avec la création de scripts, mais pas nécessairement avec la conception d'algorithmes d'apprentissage.

• Apprenez les concepts fondamentaux de TensorFlow, y compris comment effectuer un calcul de base
• Construisez des systèmes d'apprentissage simples pour comprendre leurs fondements mathématiques
• Plongez dans des réseaux profonds entièrement connectés et qui sont utilisés 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 tic-tac-toe
• Entraînez des réseaux profonds avec du matériel performant, qu'il s'agisse de GPU ou d'unités de traitement de tenseurs


Collection O'Reilly

À propos de l?auteur

Daniel Rougé est professeur de mathématiques et a écrit et traduit plus de 60 livres dans différents domaines informatiques. Il utilise le PC depuis son apparition en France en 1982 et connaît les problèmes que rencontrent tous ceux qui sont confrontés pour la première fois au clavier de leur ordinateur.