| Titre : |
Deep Learning avec Keras et TensorFlow : Mise en oeuvre et cas concrets |
| Type de document : |
texte imprimé |
| Auteurs : |
Aurélien Géron, Auteur |
| Mention d'édition : |
3ème Ed. |
| Autre Editeur : |
Farnham : O'Reilly |
| Année de publication : |
2024 |
| Importance : |
610 P. |
| Présentation : |
Broche. Couv. ill. en coul., ill. |
| Format : |
24 cm |
| ISBN/ISSN/EAN : |
978-2-10-084769-3 |
| Langues : |
Français (fre) |
| Catégories : |
(02.60) Analyse numerique et informatique
|
| Mots-clés : |
Computer languages |
| Index. décimale : |
02.60 |
| 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.
- Construire et entraîner de nombreuses architectures de réseaux de neurones pour classification et régression à l’aide de Keras et TensorFlow 2.
- Découvrir les mécanismes d’attention, les grands modèles de langage (LLM) tels que GPT-4, les réseaux antagonistes génératifs (GAN), les modèles de diffusion tels que DALL-E 2, la détection d’objets, la segmentation sémantique, etc.
- Explorer Keras, l’API officielle de haut niveau pour TensorFlow 2, désormais compatible également avec PyTorch et JAX.
- Entraîner de grands modèles à l’aide de TF Data, de l’API de stratégies de distribution, de TF Serving, de Keras Tuner, ou encore de la bibliothèque Transformers de Hugging Face.
- Passer à l’échelle supérieure sur la plateforme Google Vertex AI, ou déployer sur des appareils mobiles.
- Créer des agents d’apprentissage autonomes avec l’apprentissage par renforcement profond. |
| En ligne : |
https://github.com/ageron/handson-ml3 |
|  |
Faire une suggestion Affiner la rechercheC in a Nutshell (2016)
