Deep learning avec JavaScript

Bileschi, Stanley; Cai, Shanqing; Chollet, François; Nielsen, Eric D.

ISBN 10: 2412058288 / ISBN 13: 9782412058282

Editore: FIRST INTERACT, 2020

Riguardo questo articolo

Codice articolo 9782412058282

Dati bibliografici

• Titolo: Deep learning avec JavaScript
• Editore: FIRST INTERACT
• Data di pubblicazione: 2020
• Lingua: Francese
• ISBN 10: 2412058288
• ISBN 13: 9782412058282
• Rilegatura: Brossura
• Condizione: Neuf

Descrizione articolo

Riassunto

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

Informazioni sull?autore

Shanging Cai, Stanley Bileschi et Eric Nielsen sont ingénieurs chez Google. Ils ont collaboré au développement de la première API de haut niveau pour TensorFlow. js. Ils enseignent à l'Institut de technologie du Massachusetts.