7,98 €
OFFRE LISEUSES
Une liseuse achetée = une housse offerte* jusqu'au 21 juin
Deep Learning avec Keras et TensorFlow. Mise en oeuvre et cas concrets
3e édition
Par : Formats :
Expédié sous 127 jours
Cet article sera commandé chez un fournisseur et vous sera envoyé 127 jours après la date de votre commande.
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay estimée à partir du 28 octobreCet article sera commandé chez un fournisseur et vous sera envoyé 127 jours après la date de votre commande.
- Retrait Click and Collect en magasin gratuit
- Livraison à domicile ou en point Mondial Relay estimée à partir du 28 octobre
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages608
- FormatGrand Format
- PrésentationBroché
- Poids0.91 kg
- Dimensions17,0 cm × 24,0 cm × 2,8 cm
- ISBN978-2-10-084769-3
- EAN9782100847693
- Date de parution20/03/2024
- ÉditeurDunod
- TraducteurHervé Soulard
- ContributeurAnne Bohy
Résumé
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. Cette troisième édition tient notamment compte de la nouvelle version de TensorFlow 2, outil open source très efficace pour entraîner des réseaux de neurones artificiels. - Construire et former de nombreuses architectures de réseaux de neurones pour classification et régression à l'aide de TensorFlow 2.
- Découvrir la détection d'objets, la segmentation sémantique, les mécanismes d'attention, les modèles de langage, les réseaux antagonistes génératifs, etc. - Explorer l'API Keras, l'API officielle de haut niveau pour TensorFlow 2. - Produire des modèles TensorFlow à l'aide de TF Data, de TF Transform, de l'API de stratégies de distribution et de TF Serving. - Déployer sur la plateforme Google Cloud AI ou sur des appareils mobiles.
- Créer des agents d'apprentissage autonomes avec le Reinforcement Learning, y compris en utilisant la bibliothèque TF-Agents. Tous les exemples de code sont disponibles en ligne sous la forme de notebooks Jupyter à l'adresse suivante : https : //github. com/ageron/handson-ml2
- Découvrir la détection d'objets, la segmentation sémantique, les mécanismes d'attention, les modèles de langage, les réseaux antagonistes génératifs, etc. - Explorer l'API Keras, l'API officielle de haut niveau pour TensorFlow 2. - Produire des modèles TensorFlow à l'aide de TF Data, de TF Transform, de l'API de stratégies de distribution et de TF Serving. - Déployer sur la plateforme Google Cloud AI ou sur des appareils mobiles.
- Créer des agents d'apprentissage autonomes avec le Reinforcement Learning, y compris en utilisant la bibliothèque TF-Agents. Tous les exemples de code sont disponibles en ligne sous la forme de notebooks Jupyter à l'adresse suivante : https : //github. com/ageron/handson-ml2
A propos de Aurélien Géron