Deep Learning avec Keras et TensorFlow - 3e édition
Existe au format livre et ebook
Présentation du livre
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.
La 3e édition de cet ouvrage de référence, très remaniée, tient compte des récentes avancées.
- 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.
Tous les exemples de code sont disponibles en ligne sous la forme de notebooks Jupyter à l’adresse suivante : https://github.com/ageron/handson-ml3
Sommaire de l'ouvrage
Les fondamentaux du Machine Learning. Introduction aux réseaux de neurones artificiels avec Keras. Entraînement de réseaux de neurones profonds. Modèles personnalisés et entraînement avec TensorFlow. Chargement et prétraitement de données avec TensorFlow. Vision par ordinateur et réseaux de neurones convolutifs. Traitement des séquences avec des RNN et des CNN. Traitement automatique du langage naturel avec les RNN et les attentions. Autoencodeurs, GAN et modèles de diffusion. Apprentissage par renforcement. Entraînement et déploiement à grande échelle de modèles TensorFlow.
Les + en ligne
L’errata en ligne rectifie quelques équations pour les lecteurs du 1er tirage de la 2e édition du livre parue en 2020.
