Deep learning avec JavaScript. Réseaux de neurones dans TensorFlow.js
Par : , , ,Formats :
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages546
- PrésentationBroché
- FormatGrand Format
- Poids1.115 kg
- Dimensions19,1 cm × 23,1 cm × 3,4 cm
- ISBN978-2-412-05828-2
- EAN9782412058282
- Date de parution24/09/2020
- ÉditeurCoédition Manning/First Interact...
Résumé
Plongez au coeur du deep learning avec la nouvelle bibliothèque de Google Tensorflow. js pour JavaScript Tensorflow. js étend la bibliothèque de machine learning open source TensorFlow de Google à JavaScript pour entraîner et déployer des modèles d'apprentissage machine dans un navigateur. Accélérée par WebGL, la bibliothèque Tensorflow. js fonctionne également avec le runtime JavaScript côté serveur et fait partie de l'écosystème TensorFlow.
Cette librairie ouvre la porte à de nombreuses possibilités, puisqu'elle peut par exemple exploiter la webcam du navigateur. Et surtout, en mettant le Deep Learning à la portée des développeurs Javascript, il y a de fortes chances pour qu'elle contribue à une accélération de la diffusion du Deep Learning. Au programme : TensorFlow. js, une introduction en douceur Pour commencer : Régression linéaire simple dans TensorFlow.
js Ajouter de la non-linéarité : Aller au-delà des sommes pondérées Reconnaître les images et les sons à l'aide des réseaux de neurones convolutifs Apprentissage par transfert : Réutiliser des réseaux de neurones pré-entraînés Deep learning avancé avec TensorFlow. js - Travailler avec des données Visualiser des données et des modèles Sous-apprentissage, surapprentissage et flux de travail universel de l'apprentissage automatique Deep learning pour les séquences et le texte Les bases de l'apprentissage par renforcement profond Tester, optimiser et déployer les modèles
Cette librairie ouvre la porte à de nombreuses possibilités, puisqu'elle peut par exemple exploiter la webcam du navigateur. Et surtout, en mettant le Deep Learning à la portée des développeurs Javascript, il y a de fortes chances pour qu'elle contribue à une accélération de la diffusion du Deep Learning. Au programme : TensorFlow. js, une introduction en douceur Pour commencer : Régression linéaire simple dans TensorFlow.
js Ajouter de la non-linéarité : Aller au-delà des sommes pondérées Reconnaître les images et les sons à l'aide des réseaux de neurones convolutifs Apprentissage par transfert : Réutiliser des réseaux de neurones pré-entraînés Deep learning avancé avec TensorFlow. js - Travailler avec des données Visualiser des données et des modèles Sous-apprentissage, surapprentissage et flux de travail universel de l'apprentissage automatique Deep learning pour les séquences et le texte Les bases de l'apprentissage par renforcement profond Tester, optimiser et déployer les modèles
Plongez au coeur du deep learning avec la nouvelle bibliothèque de Google Tensorflow. js pour JavaScript Tensorflow. js étend la bibliothèque de machine learning open source TensorFlow de Google à JavaScript pour entraîner et déployer des modèles d'apprentissage machine dans un navigateur. Accélérée par WebGL, la bibliothèque Tensorflow. js fonctionne également avec le runtime JavaScript côté serveur et fait partie de l'écosystème TensorFlow.
Cette librairie ouvre la porte à de nombreuses possibilités, puisqu'elle peut par exemple exploiter la webcam du navigateur. Et surtout, en mettant le Deep Learning à la portée des développeurs Javascript, il y a de fortes chances pour qu'elle contribue à une accélération de la diffusion du Deep Learning. Au programme : TensorFlow. js, une introduction en douceur Pour commencer : Régression linéaire simple dans TensorFlow.
js Ajouter de la non-linéarité : Aller au-delà des sommes pondérées Reconnaître les images et les sons à l'aide des réseaux de neurones convolutifs Apprentissage par transfert : Réutiliser des réseaux de neurones pré-entraînés Deep learning avancé avec TensorFlow. js - Travailler avec des données Visualiser des données et des modèles Sous-apprentissage, surapprentissage et flux de travail universel de l'apprentissage automatique Deep learning pour les séquences et le texte Les bases de l'apprentissage par renforcement profond Tester, optimiser et déployer les modèles
Cette librairie ouvre la porte à de nombreuses possibilités, puisqu'elle peut par exemple exploiter la webcam du navigateur. Et surtout, en mettant le Deep Learning à la portée des développeurs Javascript, il y a de fortes chances pour qu'elle contribue à une accélération de la diffusion du Deep Learning. Au programme : TensorFlow. js, une introduction en douceur Pour commencer : Régression linéaire simple dans TensorFlow.
js Ajouter de la non-linéarité : Aller au-delà des sommes pondérées Reconnaître les images et les sons à l'aide des réseaux de neurones convolutifs Apprentissage par transfert : Réutiliser des réseaux de neurones pré-entraînés Deep learning avancé avec TensorFlow. js - Travailler avec des données Visualiser des données et des modèles Sous-apprentissage, surapprentissage et flux de travail universel de l'apprentissage automatique Deep learning pour les séquences et le texte Les bases de l'apprentissage par renforcement profond Tester, optimiser et déployer les modèles