Riassunto:
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
Informazioni sull?autore:
Aurélien Géron est consultant en Machine Learning. Ex-Googler, il a mené l'équipe de classification des vidéos de YouTube de 2013 à 2016. Auparavant, il avait cofondé en 2001 la société de conseil Polyconseil, puis en 2002 la société Wifirst.
Il a été consultant dans de nombreux domaines : de la santé (transfusion sanguine) aux télécoms (SFR, Bolloré Telecom), en passant par la finance (JP Morgan et Société Générale) et la défense (ministère de la Défense nationale du Canada).
Il a également enseigné en écoles d’ingénieurs.
Le informazioni nella sezione "Su questo libro" possono far riferimento a edizioni diverse di questo titolo.