{"product_id":"113928","title":"L'apprentissage profond pour tous ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jYEgjPkwPUGZwHGZevMKlVgpTxoSV.png?v=1765054499\" 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\"\u003eL'apprentissage profond pour tous \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\/145612410\/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\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\u003cdiv\u003e \u003cb\u003eUn ouvrage d'introduction à l'apprentissage profond, plus facile à comprendre pour tous que n'importe quel autre.\u003cbr\u003e Des bases de l'apprentissage profond au traitement du langage naturel et aux transformateurs, les fondements de ChatGPT !\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e De l'apprentissage automatique à ChatGPT, l'IA évolue constamment, mais ses racines immuables résident dans l'apprentissage profond.\u003cbr\u003e « L’apprentissage en profondeur pour tous », manuel de référence pour d’innombrables écoles et établissements d’enseignement au cours des huit dernières années, minimise le recours aux formules complexes et à la terminologie technique, offrant aux débutants la méthode d’apprentissage fondamentale la plus fiable, avec des explications intuitives et de nombreux exemples.\u003cbr\u003e En particulier, sa structure permet d'apprendre non seulement la théorie de l'apprentissage profond, mais aussi ses applications pratiques grâce à une pratique concrète avec des bibliothèques basées sur des explications faciles à comprendre et accessibles à tous.\u003cbr\u003e\u003cbr\u003e \u003cbr\u003eIl renforce de nombreux éléments de la précédente 3e édition, met à jour l'environnement pratique et fournit l'explication la plus simple et la plus complète du traitement automatique du langage naturel et des transformateurs, au cœur de l'IA moderne.\u003cbr\u003e De plus, pour les lecteurs qui ont des difficultés à étudier seuls, nous proposons des cours vidéo gratuits, et les ouvrages « Top 10 des algorithmes d'apprentissage automatique les plus utilisés » et « 92 astuces Pandas pour l'analyse de données », qui étaient fournis en annexes séparées dans la 3e édition, sont désormais disponibles gratuitement sous forme de livres électroniques dans les librairies en ligne.\u003cbr\u003e Si vous avez rencontré des difficultés lors de votre apprentissage du deep learning ou si vous débutez tout juste, commencez par ce livre, optimisé pour les débutants.\u003cbr\u003e\n\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\n\u003cdiv\u003e \u003cb\u003ePremiers pas | Exercices d'échauffement pour débuter l'apprentissage profond\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Chapitre 1.\u003cbr\u003e Essayons l'apprentissage profond !\u003cbr\u003e 1 | Intelligence artificielle ? Apprentissage automatique ? Apprentissage profond ?\u003cbr\u003e 2 | Trois éléments essentiels pour exécuter du deep learning \u003cbr\u003e3 | Utilisation de Google Colab\u003cbr\u003e\u003cbr\u003e Chapitre 2.\u003cbr\u003e Un aperçu des fondements de l'apprentissage profond\u003cbr\u003e 1 | Le principe de la prédiction de l'inconnu\u003cbr\u003e 2 | Exécution de code d'apprentissage profond\u003cbr\u003e 3 | Aperçu de l'apprentissage profond\u003cbr\u003e 4 | Est-ce cela le véritable apprentissage profond ?\u003cbr\u003e\u003cbr\u003e Chapitre 3.\u003cbr\u003e Mathématiques de base pour l'apprentissage profond\u003cbr\u003e 1 | Fonction linéaire, pente et ordonnée à l'origine\u003cbr\u003e 2 | Fonctions quadratiques et valeurs minimales\u003cbr\u003e 3 | Dérivation, taux de variation instantané et pente\u003cbr\u003e 4 | Différentiation partielle\u003cbr\u003e 5 | Exposants et fonctions exponentielles\u003cbr\u003e 6 | Fonction sigmoïde\u003cbr\u003e 7 | Logarithmes et fonctions logarithmiques\u003cbr\u003e\u003cbr\u003e \u003cb\u003eSecond Yard | Principes de base des modèles prédictifs\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Chapitre 4.\u003cbr\u003e La meilleure ligne de prédiction\u003cbr\u003e 1 | Définition de la régression linéaire\u003cbr\u003e 2 | Quelle est la meilleure ligne de prévision ?\u003cbr\u003e 3 | Méthode des moindres carrés\u003cbr\u003e 4 | Vérification par les moindres carrés avec programmation Python\u003cbr\u003e 5 | Erreur quadratique moyenne\u003cbr\u003e 6 | Vérification de l'erreur quadratique moyenne avec le codage Python\u003cbr\u003e\u003cbr\u003e Chapitre 5.\u003cbr\u003e Modèles de régression linéaire : dessiner d’abord, puis corriger\u003cbr\u003e 1 | Aperçu de la descente de gradient\u003cbr\u003e 2 | Régression linéaire avec programmation Python\u003cbr\u003e 3 | Aperçu de la régression linéaire multiple\u003cbr\u003e 4 | Régression linéaire multiple avec programmation Python \u003cbr\u003e5 | Exécution de modèles de régression linéaire et de régression linéaire multiple dans TensorFlow\u003cbr\u003e\u003cbr\u003e Chapitre 6.\u003cbr\u003e Modèles de régression logistique : déterminer s’ils sont vrais ou faux\u003cbr\u003e 1 | Définition de la régression logistique\u003cbr\u003e 2 | Fonction sigmoïde\u003cbr\u003e 3 | Formule d'erreur\u003cbr\u003e 4 | Fonction logarithmique\u003cbr\u003e 5 | Exécution d'un modèle de régression logistique dans TensorFlow\u003cbr\u003e\u003cbr\u003e \u003cb\u003eThird Yard | Les débuts de l'apprentissage profond : les réseaux neuronaux\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Chapitre 7.\u003cbr\u003e Les perceptrons et les débuts de l'intelligence artificielle\u003cbr\u003e 1 | Le perceptron, les débuts de l'intelligence artificielle\u003cbr\u003e 2 | Le défi du perceptron\u003cbr\u003e 3 | Problème XOR\u003cbr\u003e\u003cbr\u003e Chapitre 8.\u003cbr\u003e perceptron multicouche\u003cbr\u003e 1 | L'émergence des perceptrons multicouches\u003cbr\u003e 2 | Conception d'un perceptron multicouche\u003cbr\u003e 3 | Résolution du problème XOR\u003cbr\u003e 4 | Résolution du problème XOR par codage\u003cbr\u003e\u003cbr\u003e Chapitre 9.\u003cbr\u003e De la rétropropagation à l'apprentissage profond\u003cbr\u003e 1 | La naissance de l'apprentissage profond : la rétropropagation des erreurs\u003cbr\u003e 2 | Fonctions d'activation et descente de gradient avancée\u003cbr\u003e 3 | Descente de pente avancée pour plus de vitesse et de précision\u003cbr\u003e\u003cbr\u003e \u003cb\u003eQuatrième Cour | Construire les Fondements de l'Apprentissage Profond\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Chapitre 10.\u003cbr\u003e Conception d'un modèle d'apprentissage profond\u003cbr\u003e 1 | Définition du modèle\u003cbr\u003e 2 | Couche d'entrée, couche cachée, couche de sortie\u003cbr\u003e 3 | Compiler le modèle\u003cbr\u003e 4 | Exécution du modèle\u003cbr\u003e\u003cbr\u003e Chapitre 11. \u003cbr\u003eGestion des données\u003cbr\u003e 1 | Apprentissage profond et données\u003cbr\u003e 2 | Analyse des données des Indiens Pima\u003cbr\u003e 3 | Exploration de données avec Pandas\u003cbr\u003e 4 | Extraction de données importantes\u003cbr\u003e 5 | Prédiction du diabète chez les Indiens Pima en action\u003cbr\u003e\u003cbr\u003e Chapitre 12.\u003cbr\u003e Résolution de problèmes de classification multiple\u003cbr\u003e 1 | Problème de classification multiple\u003cbr\u003e 2 | Graphique de corrélation\u003cbr\u003e 3 | Encodage one-hot\u003cbr\u003e 4 | Softmax\u003cbr\u003e 5 | Mise en œuvre de la prédiction de la variété d'iris\u003cbr\u003e\u003cbr\u003e Chapitre 13.\u003cbr\u003e Validation des performances du modèle\u003cbr\u003e 1 | Vérification des données et exécution des prédictions\u003cbr\u003e 2 | Comprendre le surapprentissage\u003cbr\u003e 3 | Ensembles d'entraînement et de test\u003cbr\u003e 4 | Sauvegarde et réutilisation des modèles\u003cbr\u003e 5 | Validation croisée à k plis\u003cbr\u003e\u003cbr\u003e Chapitre 14.\u003cbr\u003e Amélioration des performances du modèle\u003cbr\u003e 1 | Ensemble de vérification et de validation des données\u003cbr\u003e 2 | Mise à jour du modèle\u003cbr\u003e 3 | Détection du surapprentissage à l'aide de graphiques\u003cbr\u003e 4 | Mettre en pause automatiquement l'apprentissage\u003cbr\u003e\u003cbr\u003e Chapitre 15.\u003cbr\u003e Modèle créé à partir de données réelles\u003cbr\u003e 1 | Comprendre les données\u003cbr\u003e 2 | Gestion des valeurs manquantes et des variables catégorielles\u003cbr\u003e 3 | Extraction de la pertinence spécifique aux attributs\u003cbr\u003e 4 | Modèle de prévision des prix de l'immobilier\u003cbr\u003e\u003cbr\u003e \u003cb\u003eFifth Yard | Utilisation de l'apprentissage profond\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Chapitre 16.\u003cbr\u003e La fleur de la reconnaissance d'images : les réseaux neuronaux convolutifs (CNN). \u003cbr\u003e1 | Principes de la reconnaissance d'images\u003cbr\u003e 2 | Élaboration d'un cadre de base pour l'apprentissage profond\u003cbr\u003e 3 | Réseau neuronal convolutif (CNN)\u003cbr\u003e 4 | Traction maximale, dérailleur et plateau\u003cbr\u003e 5 | Exécution d'un réseau neuronal convolutif\u003cbr\u003e\u003cbr\u003e Chapitre 17.\u003cbr\u003e Face GAN et auto-encodeur : un monde sans visage\u003cbr\u003e 1 | Fausse usine de fabrication, producteur\u003cbr\u003e 2 | Un dispositif qui détermine la vérité ou la fausseté, un discriminateur\u003cbr\u003e 3 | Exécution d'un réseau neuronal adverse\u003cbr\u003e 4 | Auto-encodeur pour l'extraction de caractéristiques d'image\u003cbr\u003e\u003cbr\u003e Chapitre 18.\u003cbr\u003e Optimisation des performances de l'apprentissage profond grâce à l'apprentissage par transfert\u003cbr\u003e 1 | Création de modèles d'apprentissage performants à partir de petits ensembles de données\u003cbr\u003e 2 | Optimisation des performances du modèle grâce à l'apprentissage par transfert\u003cbr\u003e\u003cbr\u003e Chapitre 19.\u003cbr\u003e Création de modèles d'apprentissage profond explicables\u003cbr\u003e 1 | Comment expliquer les résultats de l'apprentissage profond\u003cbr\u003e 2 | L'apprentissage profond explicable en action\u003cbr\u003e\u003cbr\u003e Chapitre 20.\u003cbr\u003e Un nouveau défi commence avec Kaggle\u003cbr\u003e 1 | Inscrivez-vous sur Kaggle et choisissez une compétition\u003cbr\u003e 2 | Obtention des données\u003cbr\u003e 3 | Apprendre\u003cbr\u003e 4 | Soumettre les résultats\u003cbr\u003e 5 | Soumettez vos prédictions finales\u003cbr\u003e\u003cbr\u003e \u003cb\u003eSixth Yard | Les fondements de ChatGPT : Traitement automatique du langage naturel et transformateurs\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Chapitre 21. \u003cbr\u003eTraitement du langage naturel par apprentissage profond\u003cbr\u003e 1 | Tokenisation du texte\u003cbr\u003e 2 | Encodage one-hot des mots\u003cbr\u003e 3 | Intégration de mots\u003cbr\u003e 4 | Lisez le texte et prédisez les réponses positives ou négatives.\u003cbr\u003e\u003cbr\u003e Chapitre 22.\u003cbr\u003e Réseaux neuronaux récurrents (RNN) qui traitent les tableaux de séquences\u003cbr\u003e 1 | Classification des catégories d'actualités Reuters à l'aide d'un LSTM\u003cbr\u003e 2 | Classification des critiques de films à l'aide d'une combinaison de LSTM et de CNN\u003cbr\u003e 3 | Réseaux neuronaux avec attention\u003cbr\u003e\u003cbr\u003e Chapitre 23 : Attention : comment l’IA comprend le contexte\u003cbr\u003e 1 | Mesurer la similarité entre les mots\u003cbr\u003e 2 | Comprendre les relations entre les mots\u003cbr\u003e 3 | Modifier la relation entre les mots\u003cbr\u003e 4 | Comment l'IA comprend le contexte\u003cbr\u003e 5 | Question (Requête), Indice (Clé), Réponse (Valeur)\u003cbr\u003e 6 | Susciter l'attention pour les transformateurs\u003cbr\u003e\u003cbr\u003e Chapitre 24 : Fabriquer son propre transformateur\u003cbr\u003e 1 | Structure du transformateur et attention multi-têtes\u003cbr\u003e 2 | Encodage positionnel indiquant l'ordre des mots\u003cbr\u003e 3 | Prédiction positive-négative à l'aide d'un encodeur transformateur\u003cbr\u003e 4 | Exécutez le transformateur en entier\u003cbr\u003e\u003cbr\u003e Apprentissage profond 1.\u003cbr\u003e Méthode de calcul de rétropropagation des erreurs \u003cbr\u003e1 | Mettre à jour l'erreur de la couche de sortie\u003cbr\u003e 2 | Formule d'erreur\u003cbr\u003e 3 | Règle de la chaîne\u003cbr\u003e 4 | Calcul de la règle de la chaîne\u003cbr\u003e 5 | Modification des poids\u003cbr\u003e 6 | Correction des erreurs dans la couche cachée\u003cbr\u003e 7 | Calcul de l'erreur dans la couche cachée\u003cbr\u003e 8 | Delta\u003cbr\u003e\u003cbr\u003e Apprentissage profond 2.\u003cbr\u003e Réseaux neuronaux codés en Python\u003cbr\u003e 1 | Définition des variables d'environnement\u003cbr\u003e 2 | Exécution d'un réseau neuronal avec du code Python\u003cbr\u003e\u003cbr\u003e \u003cb\u003eAnnexe A : Exécution de l’apprentissage profond avec Anaconda sur mon ordinateur\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Annexe spéciale (disponible gratuitement sous forme de livre électronique)\u003cbr\u003e Chapitre 1.\u003cbr\u003e Les 10 algorithmes d'apprentissage automatique les plus utilisés\u003cbr\u003e Chapitre 2.\u003cbr\u003e Pandas pour l'analyse de données : une collection de 92 exemples\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\/TopCate5278\/MidCate4\/527734754.jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eDans le livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e Programmer avec l'IA sans la comprendre, ce n'est pas du vrai codage.\u003cbr\u003e Le fait de trouver des informations sur un bon restaurant sur un blog de voyage ne signifie pas que vous y êtes réellement allé et que vous avez apprécié le goût et l'ambiance de la cuisine locale.\u003cbr\u003e\u003cbr\u003e \u003cbr\u003eAujourd'hui, nous vivons à une époque où nous pouvons créer et mettre en œuvre tant de choses grâce à l'IA.\u003cbr\u003e Mais il est d'autant plus important de bien comprendre comment fonctionne l'IA et le processus d'apprentissage.\u003cbr\u003e Ce livre est le fruit d'un effort de longue haleine visant à fournir les concepts essentiels et les connaissances pratiques nécessaires pour aborder facilement et agréablement l'apprentissage profond, une technologie fondamentale de l'IA.\u003cbr\u003e Nous avons organisé le flux de développement de l'IA de pointe, y compris ChatGPT, de manière simple et systématique, permettant ainsi à chacun de comprendre facilement l'essence de l'apprentissage profond.\u003cbr\u003e\u003cbr\u003e Dans la première section, nous construirons un environnement d'exécution pour les modèles d'apprentissage automatique et d'apprentissage profond, nous apprendrons les concepts de base et nous examinerons en profondeur les principes mathématiques fondamentaux nécessaires à la compréhension des concepts de base de l'apprentissage profond.\u003cbr\u003e Dans la deuxième section, vous apprendrez les principes de base nécessaires à la compréhension de l'apprentissage profond, et dans la troisième section, vous découvrirez les algorithmes fondamentaux de l'apprentissage profond, tels que le perceptron et la rétropropagation. \u003cbr\u003eDans la quatrième partie, vous apprendrez à mettre en œuvre l'apprentissage profond à l'aide d'exemples concrets et de différents types de données. Dans la cinquième partie, vous découvrirez des technologies de pointe essentielles aux applications pratiques, telles que la reconnaissance d'images, la génération d'images virtuelles, l'apprentissage par transfert, l'IA explicable et les compétitions Kaggle.\u003cbr\u003e\u003cbr\u003e Le sixième chapitre, entièrement rédigé pour cette quatrième édition, fournit une explication simple et facile à comprendre des techniques d'attention et de transformation qui ont rendu ChatGPT possible, et examine comment ces techniques ont conduit à l'essor actuel des modèles de langage à grande échelle.\u003cbr\u003e\u003cbr\u003e Sans bases solides, vous vous sentirez limité face à la résolution de problèmes complexes, et il sera difficile de savoir quelles bibliothèques choisir et comment les implémenter lors du développement d'une IA.\u003cbr\u003e En définitive, il est crucial de consolider ses bases, d'apprécier la programmation, de maintenir une curiosité constante pour l'IA et de continuer à apprendre. \u003cbr\u003ePublié pour la première fois en 2017, cet ouvrage d'introduction à l'apprentissage profond, maintes fois primé, a été constamment mis à jour et rencontre un vif succès ! Nous espérons que « L'apprentissage profond pour tous » vous permettra de réaliser tous vos rêves.\u003cbr\u003e\n\n\u003c\/div\u003e\n\u003cdiv\u003e --- Extrait de la « Note de l'auteur »\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\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\u003eTout le monde comprend l'apprentissage en profondeur,\u003cbr\u003e Vous pouvez implémenter votre propre modèle !\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e \u003cb\u003ePréparation | Comprendre l'apprentissage en profondeur et se préparer à l'apprentissage\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Préparez-vous à apprendre en configurant un environnement d'exécution d'apprentissage profond et en apprenant les bases des mathématiques.\u003cbr\u003e Vous apprendrez également la régression linéaire et la régression logistique, qui sont les principes de fonctionnement de base de l'apprentissage profond.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eNotions de base | Principes fondamentaux de l'apprentissage profond\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Apprenez les concepts des réseaux neuronaux et de la rétropropagation, essentiels à la conception de l'apprentissage profond, et mettez en pratique six projets pour voir comment la théorie de l'apprentissage profond est appliquée à des projets concrets.\u003cbr\u003e Chaque projet intègre une technique essentielle d'apprentissage profond.\u003cbr\u003e \u003cbr\u003e\u003cb\u003eUtilisation | Comprendre et mettre en œuvre les principaux modèles d'apprentissage profond.\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e En vous appuyant sur ce que vous avez appris jusqu'à présent, vous appliquerez les CNN, les RNN, l'apprentissage par transfert et l'IA explicable à des applications pratiques et vous relèverez de nouveaux défis.\u003cbr\u003e De plus, vous apprendrez les principes fondamentaux du traitement automatique du langage naturel, en particulier les transformateurs et les techniques d'attention, et vous construirez les vôtres, en explorant comment ces techniques constituent la base de modèles de langage à grande échelle comme ChatGPT.\u003cbr\u003e\u003cbr\u003e Apprentissage profond | Une exploration approfondie de la rétropropagation et des réseaux neuronaux\u003cbr\u003e\u003cbr\u003e Annexe spéciale | 1) Les 10 algorithmes d'apprentissage automatique les plus utilisés\u003cbr\u003e 2) 92 exemples Pandas pour l'analyse de données\u003cbr\u003e\u003cbr\u003e \u003cb\u003e[Avis du bêta-testeur]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e « L’apprentissage en profondeur pour tous » est de retour avec sa 4e édition après deux ans d’absence.\u003cbr\u003e Il existe sur le marché une variété d'ouvrages d'introduction à l'apprentissage profond, mais comme le niveau de compétence des lecteurs varie, le niveau d'explication et la méthode de présentation varient d'un livre à l'autre. \u003cbr\u003eComme le suggèrent le titre et la couverture, ce livre incarne parfaitement l'expression « L'apprentissage profond pour tous : l'apprentissage profond simplifié pour tous », avec un contenu expliqué de manière facile à comprendre.\u003cbr\u003e Par rapport à la 3e édition, la 4e édition a ajouté un contenu qui met directement en œuvre le mécanisme d'attention et le transformateur, et qui a également été expliqué d'une manière plus facile à comprendre que dans l'article, ce qui a été très utile pour la compréhension.\u003cbr\u003e Chanseok Kang, ingénieur logiciel, LG Electronics (Environnement pratique : Colab + local)\u003cbr\u003e\u003cbr\u003e Pour quelqu'un qui développe des modèles d'apprentissage profond et les applique à des cas concrets, ce livre a été extrêmement utile pour organiser et réviser rapidement les concepts de base.\u003cbr\u003e En particulier, chaque concept est expliqué à l'aide d'images, ce qui permet une compréhension intuitive de la théorie, et le code pratique est bien organisé, ce qui facilite sa mise en œuvre. \u003cbr\u003eIl convient à l'apprentissage du flux global allant des réseaux neuronaux de base aux CNN, RNN et aux métriques d'évaluation des performances.\u003cbr\u003e Cette édition révisée comprend un contenu enrichi sur l'attention et les transformateurs, vous permettant d'apprendre des concepts de pointe en phase avec la tendance récente de l'IA générative.\u003cbr\u003e De plus, les algorithmes d'apprentissage automatique et les exercices pratiques sur Pandas inclus en annexe vous aideront à acquérir une expérience pratique en vous permettant de vous familiariser concrètement avec les technologies fréquemment utilisées dans le domaine grâce à du code réel.\u003cbr\u003e\u003cbr\u003e Ce livre est un excellent ouvrage d'introduction pour les débutants et un ouvrage de référence pratique pour les praticiens qui souhaitent organiser leurs concepts et pratiquer des exercices basés sur le code.\u003cbr\u003e Lee Hye-min, ingénieure de recherche en IA (environnement pratique : Colab)\u003cbr\u003e \u003cbr\u003eLa 4e édition de 『Deep Learning for Everyone』 est structurée pour vous aider à acquérir naturellement les concepts d'apprentissage automatique et d'apprentissage profond grâce à une pratique concrète, ainsi qu'à des explications des concepts mathématiques fondamentaux essentiels à la compréhension de l'apprentissage automatique.\u003cbr\u003e La 4e édition, en particulier, a considérablement enrichi son contenu relatif au traitement automatique du langage naturel (TALN). Grâce à une mise en pratique concrète des techniques de transformation et d'attention, reflétant les dernières tendances technologiques, j'ai acquis des connaissances approfondies en matière d'analyse des politiques publiques et d'utilisation des données administratives dans le cadre de mes fonctions de fonctionnaire.\u003cbr\u003e De plus, comme la compréhension du fonctionnement de modèles modernes tels que ChatGPT devient de plus en plus importante dans l'administration publique, ce livre a été d'une grande aide pour acquérir des idées d'application pratique. \u003cbr\u003eGrâce à son équilibre entre théorie et pratique, je pense que ce livre sur l'apprentissage profond est fortement recommandé aux fonctionnaires qui cherchent à intégrer la technologie de l'IA dans l'administration publique, ainsi qu'aux apprenants débutants et intermédiaires.\u003cbr\u003e Choi Kyu-min, fonctionnaire informatique, ministère de l'Intérieur et de la Sécurité (Environnement de formation pratique : Colab)\u003cbr\u003e\u003cbr\u003e J'ai eu par hasard l'occasion de lire la 4e édition du célèbre ouvrage « Deep Learning for Everyone » avant sa publication.\u003cbr\u003e En parcourant la table des matières page après page, je me suis rendu compte que, comme sa réputation le suggère, ce livre est véritablement l'introduction parfaite à l'apprentissage en profondeur.\u003cbr\u003e Les explications claires et concises du livre, accessibles même aux non-spécialistes, ainsi que les nombreuses illustrations en couleur qui facilitent la compréhension, suffisent amplement à rendre l'étude de l'apprentissage en profondeur amusante pour les lecteurs. \u003cbr\u003eCe livre se caractérise notamment par ses exemples pratiques détaillés, basés sur Google Colab, pour chaque chapitre, plutôt que de se concentrer uniquement sur la théorie, ce qui le rend utile non seulement pour comprendre le contenu, mais aussi pour acquérir des compétences pratiques de mise en œuvre.\u003cbr\u003e\u003cbr\u003e Les ajouts les plus représentatifs par rapport à la 3e édition sont le mécanisme d'attention et le modèle de transformateur.\u003cbr\u003e À l'ère actuelle de l'IA générative, ce sont des concepts importants que tout développeur devrait au moins connaître.\u003cbr\u003e Je pense que ce livre témoigne de la passion de l'auteur pour refléter constamment les dernières tendances technologiques dans ses ouvrages.\u003cbr\u003e Si vous connaissez quelqu'un qui souhaite se lancer dans l'étude de l'apprentissage automatique et de l'apprentissage profond mais qui ne sait pas comment ni par où commencer, je recommande vivement ce livre comme point de départ. \u003cbr\u003eChoi Seong-wook, Laboratoire de sécurité de la division commerciale VD de Samsung Electronics (Environnement pratique : Co-Lab)\u003cbr\u003e\u003cbr\u003e Ce livre offre une analyse approfondie de l'apprentissage profond et regorge d'informations utiles.\u003cbr\u003e Les exemples de code étaient bien organisés et très utiles pour ma pratique.\u003cbr\u003e De plus, le contenu du livre reflète les dernières tendances, ce qui m'a permis de l'appliquer immédiatement.\u003cbr\u003e Ce qui ressort du travail de l'auteur, c'est que les explications du code sont claires et faciles à comprendre.\u003cbr\u003e Ce livre sera un excellent guide pour apprendre l'apprentissage profond.\u003cbr\u003e Kim Min-gyeom, Burnect Inc. (Environnement pratique : Colab)\u003cbr\u003e\u003cbr\u003e Cela fait plus de dix ans que je n'ai pas suivi de cours de science des données et d'apprentissage automatique à l'université, et je suis tombé sur ce livre. \u003cbr\u003eCe livre explique les concepts fondamentaux et essentiels à la compréhension de l'apprentissage profond, tels qu'ils étaient enseignés à l'époque. Il présente également l'évolution des nouvelles technologies au fil du temps, à l'aide de nombreux exemples, permettant ainsi aux apprenants d'acquérir de solides bases de compréhension.\u003cbr\u003e Bien qu'il contienne une quantité très importante de contenu dans un seul volume, les explications ne sont jamais longues et les phrases sont épurées dans la mesure nécessaire.\u003cbr\u003e Je crois également que ce livre offre une orientation appropriée aux lecteurs désireux d'étudier des documents complémentaires.\u003cbr\u003e Développeur logiciel backend Honey Man (Environnement de pratique : Colab) \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 30 avril 2025\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 460 pages | 183 × 235 × 19 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 9791140714520 \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":43893091270698,"sku":"113928","price":51.96,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/1065f46de67322fcfc2e9650cfb118f3.jpg?v=1765388044","url":"https:\/\/librairie.coreenne.fr\/products\/113928","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}