| Titre : | Introduction au Deep Learning |
| Auteurs : | Eugène Charniak, Auteur |
| Type de document : | Monographie imprimée |
| Editeur : | Paris [France] : Dunod, 2021 |
| Collection : | Info sup (Paris. 2015), ISSN 2429-263X |
| ISBN/ISSN/EAN : | 978-2-10-081926-3 |
| Format : | 1 vol. (162 p.) / couv. ill. / 24 cm |
| Langues: | Français |
| 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. |
| Sommaire : |
CHAPITRE1.Réseaux de neurones à popagation avant CHAPITRE2.Tensorflow CHAPITRE3.Réseaux de neurones convolutifs CHAPITRE4.Plongements de mots et réseaux de neurones récurrents CHAPITRE5.Apprentissage séquence à séquence CHAPITRE6.Apprentissage par renforcement profond CHAPITRE7.Modèles de réseaux de neurones non supervisés |
Disponibilité (3)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| INF/754 | Livre | bibliothèque sciences exactes | Consultable |
| INF/754 | Livre | bibliothèque sciences exactes | Empruntable |
| INF/754 | Livre | bibliothèque sciences exactes | Empruntable |
Les abonnés qui ont emprunté ce document ont également emprunté :
| Recherche d'information | Amini, Massih-Reza |
| Introduction à LaTeX | Erwan Gautrelet |
