Professeur d'informatique et de sciences cognitives à l'Université Brown (à Providence, Rhode Island). Il est titulaire d'un doctorat en informatique au M. I. T. Son domaine de recherche est la compréhension des langages naturels.
Introduction au Deep Learning
Par :Formats :
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages162
- PrésentationBroché
- FormatGrand Format
- Poids0.345 kg
- Dimensions17,2 cm × 24,0 cm × 1,3 cm
- ISBN978-2-10-081926-3
- EAN9782100819263
- Date de parution13/01/2021
- CollectionInfo Sup
- ÉditeurDunod
- TraducteurAnne Bohy
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.
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.
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.
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.