{"product_id":"113831","title":"Apprentissage profond à partir de zéro 5 ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jYEgjU7e1QhzT2SEKIwZhTHpZp86S.png?v=1765053321\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\n\n\u003cdiv style=\"width:95%\"\u003e\n\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e Apprentissage profond à partir de zéro 5 \u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/134648807\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e Description \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv\u003e  \u003ch5\u003e\u003cb\u003eIntroduction au livre\u003c\/b\u003e\u003c\/h5\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\u003cdiv\u003e \u003cb\u003eComprendre les principes des modèles de génération d'images en 10 étapes !\u003cbr\u003e Deep Learning from Scratch 5 avec l'IA générative\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Ce livre part de concepts de base tels que la distribution normale et l'estimation du maximum de vraisemblance et explique divers modèles génératifs tels que les modèles de mélange gaussien, les auto-encodeurs variationnels (VAE), les VAE hiérarchiques et les modèles de diffusion.\u003cbr\u003e Il couvre en détail les formules et les algorithmes et enseigne des méthodes de mise en œuvre pratiques basées sur la théorie mathématique et la programmation Python.\u003cbr\u003e On peut apprendre les modèles génératifs clairement par la pratique autant que par la théorie.\u003cbr\u003e En particulier, le processus en 10 étapes menant au modèle de diffusion est intégré dans un récit unique, permettant ainsi de relier et d'améliorer des technologies importantes.\u003cbr\u003e Commençons la modélisation générative à partir de zéro avec ce livre.\u003cbr\u003e\n\u003c\/div\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cul\u003e\u003cli\u003e Vous pouvez consulter un aperçu du contenu du livre.\u003cbr\u003e \u003cspan\u003eAperçu\u003c\/span\u003e\n\n\u003c\/li\u003e\u003c\/ul\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e  \u003cdiv\u003e\n\u003cb\u003eCHAPITRE 1 Distribution normale\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 1.1 Notions fondamentales de probabilité\u003cbr\u003e _1.2 Distribution normale\u003cbr\u003e _1.3 Théorème central limite\u003cbr\u003e 1.4 Distribution de probabilité de la somme de l'échantillon\u003cbr\u003e _1.5 Distribution normale autour de nous\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 2 Estimation du maximum de vraisemblance\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 2.1 Aperçu du modèle génératif\u003cbr\u003e 2.2 Mise en œuvre d'un modèle à l'aide de données réelles\u003cbr\u003e 2.3 Théorie de l'estimation du maximum de vraisemblance\u003cbr\u003e 2.4 Utilisations du modèle génératif\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 3 Distribution normale multivariée\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e _3.1 NumPy et les tableaux multidimensionnels\u003cbr\u003e 3.2 Distribution normale multivariée\u003cbr\u003e 3.3 Visualisation d'une distribution normale 2D\u003cbr\u003e 3.4 Estimation du maximum de vraisemblance d'une distribution normale multivariée\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 4 Modèles de mélange gaussien\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 4.1 Distribution multi-pics autour de nous\u003cbr\u003e 4.2 Génération de données de modèle de mélange gaussien\u003cbr\u003e 4.3 Formule du modèle de mélange gaussien\u003cbr\u003e _4.4 Difficultés d'estimation des paramètres\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 5 ALGORITHME EM\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e _5.1 Divergence KL\u003cbr\u003e _5.2 Dérivation de l'algorithme EM ①\u003cbr\u003e _5.3 Dérivation de l'algorithme EM ②\u003cbr\u003e _5.4 Algorithmes GMM et EM\u003cbr\u003e _5.5 Implémentation de l'algorithme EM\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 6 RÉSEAUX NEURONAUX\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 6.1 PyTorch et méthode du gradient\u003cbr\u003e 6.2 Régression linéaire\u003cbr\u003e _6.3 Paramètres et optimiseurs\u003cbr\u003e 6.4 Implémentation du réseau neuronal \u003cbr\u003e_6.5 Torch Vision et ensemble de données\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 7 Auto-encodeurs variationnels\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e _7.1 VAE et décodeur\u003cbr\u003e _7.2 VAE et encodeur\u003cbr\u003e _7.3 Optimisation ELBO\u003cbr\u003e _7.4 Mise en œuvre de la VAE\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 8 Théorie du modèle de diffusion\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 8.1 Du modèle VAE au modèle de diffusion\u003cbr\u003e 8.2 Processus de diffusion et processus de diffusion inverse\u003cbr\u003e _8.3 Calcul ELBO ①\u003cbr\u003e _8.4 Calcul ELBO ②\u003cbr\u003e _8.5 Calcul ELBO ③\u003cbr\u003e _8.6 Apprentissage du modèle de diffusion (algorithme)\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 9 Mise en œuvre du modèle de diffusion\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e _9.1 U-Net\u003cbr\u003e 9.2 Encodage de position par onde sinusoïdale\u003cbr\u003e 9.3 Processus de diffusion\u003cbr\u003e _9.4 Génération de données\u003cbr\u003e _9.5 Apprentissage (implémentation) des modèles de diffusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 10 Applications des modèles de diffusion\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 10.1 Modèle de diffusion conditionnelle\u003cbr\u003e _10.2 Fonction de score\u003cbr\u003e _10.3 Conseils relatifs au classificateur\u003cbr\u003e _10.4 Conseils sans classificateurs\u003cbr\u003e _10.5 Diffusion stable\u003cbr\u003e\u003cbr\u003e \u003cb\u003eANNEXE A Dérivation de la méthode d'estimation du maximum de vraisemblance pour la distribution normale multivariée\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e _A.1 Estimation du maximum de vraisemblance de μ\u003cbr\u003e _A.2 Différentiation de la seconde forme (preuve de [l'équation A.4])\u003cbr\u003e _A.3 Estimation du maximum de vraisemblance de Σ\u003cbr\u003e _A.4 Somme diagonale et différentiation (preuve de [l'équation A.12])\u003cbr\u003e\u003cbr\u003e \u003cb\u003eANNEXE B Inégalité de Jensen\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e B.1 Fonctions convexes et inégalité de Jensen \u003cbr\u003eB.2 Fonctions concaves et fonctions logarithmiques\u003cbr\u003e _B.3 Dérivation ELBO\u003cbr\u003e\u003cbr\u003e \u003cb\u003eANNEXE C Théorie et mise en œuvre des VAE hiérarchiques\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e _C.1 Composants d'un VAE à deux couches\u003cbr\u003e _C.2 Développement de l'équation d'ELBO\u003cbr\u003e _C.3 Approximation de l'ELBO par la méthode de Monte Carlo\u003cbr\u003e _C.4 Mise en œuvre d'un VAE à deux couches\u003cbr\u003e Code d'implémentation _C.5\u003cbr\u003e\u003cbr\u003e \u003cb\u003eANNEXE D Liste des symboles de formules\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e _D.1 Symboles utilisés dans ce livre\u003cbr\u003e _D.2 Formules utilisées dans ce livre\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eImage détaillée\u003c\/b\u003e \u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cdiv\u003e\u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate4842\/MidCate007\/484169614(1).jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eAvis de l'éditeur\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eDes distributions normales aux modèles de diffusion, maîtrisez les modèles génératifs !\u003cbr\u003e Le guide ultime des modèles génératifs, expliqué clairement avec des formules et du code !\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e La célèbre série « Deep Learning from Scratch » intègre désormais l'IA générative.\u003cbr\u003e Les IA de génération d'images, telles que Stable Diffusion, Midjourney et DALL-E, gagnent en popularité et sont utilisées dans divers domaines.\u003cbr\u003e Derrière ces technologies se cache un « modèle génératif » qui utilise l'apprentissage profond. \u003cbr\u003eDans cet épisode, nous aborderons le « modèle de diffusion », qui suscite un intérêt croissant dans le domaine des modèles génératifs.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e En partant de concepts de base comme la distribution normale et l'estimation du maximum de vraisemblance (EMV), nous vous guiderons à travers les modèles de mélange gaussien (GMM), l'algorithme d'espérance-maximisation (EM), les auto-encodeurs variationnels (VAE), les VAE hiérarchiques et les modèles de diffusion en 10 étapes.\u003cbr\u003e Cela va au-delà de la simple transmission d'images et de résultats, et explique également pourquoi cela se produit ainsi et comment obtenir ces résultats.\u003cbr\u003e Pour y parvenir, nous avons travaillé méticuleusement sur les formules et porté une attention particulière aux moindres détails.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e Grâce à notre programme d'études systématique qui englobe la théorie et la pratique, vous pouvez apprendre étape par étape, en partant des bases, et comprendre en profondeur les principes des modèles génératifs par la pratique.\u003cbr\u003e Ce livre constituera un guide précieux pour quiconque souhaite approfondir sa compréhension et appliquer les modèles génératifs, notamment les modèles de diffusion.\u003cbr\u003e\u003cbr\u003e \u003cbr\u003e\u003cb\u003ePublic cible\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e (Il est utile d'avoir des connaissances de base en mathématiques telles que le calcul différentiel et intégral et l'algèbre linéaire, ainsi qu'en Python.)\u003cbr\u003e - Les développeurs curieux des principes et des applications de l'implémentation de modèles génératifs\u003cbr\u003e - Les développeurs qui souhaitent appliquer des modèles génératifs à divers domaines tels que le traitement automatique du langage naturel, la génération d'images et la synthèse vocale.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eContenu principal\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e - Chapitre 1 Distribution normale\u003cbr\u003e - Chapitre 2 Estimation du maximum de vraisemblance\u003cbr\u003e - Chapitre 3 Distribution normale multivariée\u003cbr\u003e - Chapitre 4 Modèle de mélange gaussien\u003cbr\u003e - Chapitre 5 Algorithme EM\u003cbr\u003e - Chapitre 6 Réseaux de neurones\u003cbr\u003e - Chapitre 7 Auto-encodeur variationnel (VAE)\u003cbr\u003e - Chapitre 8 Théorie du modèle de diffusion\u003cbr\u003e - Chapitre 9 : Mise en œuvre du modèle de diffusion\u003cbr\u003e - Chapitre 10 : Application du modèle de diffusion \u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e SPÉCIFICATIONS DES PRODUITS \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eDate d'émission :\u003c\/strong\u003e 15 octobre 2024\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e \u003cstrong\u003eNombre de pages, poids, dimensions :\u003c\/strong\u003e 340 pages | 626 g | 183 × 235 × 14 mm\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN13 :\u003c\/strong\u003e 9791169212960\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN10 :\u003c\/strong\u003e 1169212964 \u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cspan\u003e\u003c\/span\u003e\n\n\u003c\/center\u003e\n\n\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893070889002,"sku":"113831","price":41.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/5692909eb6db9628403040e7b924aedc.jpg?v=1765387288","url":"https:\/\/librairie.coreenne.fr\/products\/113831","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}