{"product_id":"138268","title":"Intelligence artificielle générative qui apprend en créant ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jXPCfMPLzDqiYwn0SVXnwLV6f2pSz.png?v=1765061730\" 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\"\u003eIntelligence artificielle générative qui apprend en créant \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\/122338458\/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\u003eGuide complet de l'IA générative : transcender les frontières de l'évolution et de l'innovation\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Ce livre explique tout, des bases de l'apprentissage profond aux modèles d'IA générative les plus récents.\u003cbr\u003e Nous verrons comment utiliser TensorFlow et Keras pour construire des modèles d'apprentissage profond génératifs impressionnants, notamment les auto-encodeurs variationnels (VAE), les réseaux antagonistes génératifs (GAN), les transformateurs, les modèles de flux normalisés, les modèles basés sur l'énergie et les modèles de diffusion débruiteurs.\u003cbr\u003e Apprenez à utiliser différentes formes d'IA générative pour entraîner efficacement des modèles et créer des modèles génératifs créatifs.\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\n\u003cdiv\u003e \u003cb\u003e[PARTIE 1 : Introduction à l'apprentissage profond génératif]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e CHAPITRE 1 Modélisation générative\u003cbr\u003e _1.1 Qu'est-ce que la modélisation générative ?\u003cbr\u003e _1.2 Modèle de première génération\u003cbr\u003e 1.3 Théorie des probabilités fondamentale\u003cbr\u003e 1.4 Classification par modèle génératif\u003cbr\u003e _1.5 Génération d'un exemple de code d'apprentissage profond\u003cbr\u003e _1.6 Résumé\u003cbr\u003e\u003cbr\u003e CHAPITRE 2 APPRENTISSAGE EN PROFONDEUR\u003cbr\u003e 2.1 Données pour l'apprentissage profond \u003cbr\u003e_2.2 Réseaux neuronaux profonds\u003cbr\u003e 2.3 Perceptron multicouche\u003cbr\u003e 2.4 Réseau neuronal convolutif\u003cbr\u003e _2.5 Résumé\u003cbr\u003e\u003cbr\u003e \u003cb\u003e[PARTIE 2 : 6 méthodes de modélisation générative]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e CHAPITRE 3 Auto-encodeurs variationnels\u003cbr\u003e 3.1 Introduction\u003cbr\u003e _3.2 Autoencodeur\u003cbr\u003e _3.3 Auto-encodeur variationnel\u003cbr\u003e 3.4 Exploration de l'espace latent\u003cbr\u003e _3.5 Résumé\u003cbr\u003e\u003cbr\u003e CHAPITRE 4 Réseaux antagonistes génératifs\u003cbr\u003e 4.1 Introduction\u003cbr\u003e _4.2 GAN convolutionnel profond (DCGAN)\u003cbr\u003e _4.3 Pénalité de gradient GAN de Wasserstein (WGAN-GP)\u003cbr\u003e _4.4 GAN ​​conditionnel (CGAN)\u003cbr\u003e _4.5 Résumé\u003cbr\u003e\u003cbr\u003e CHAPITRE 5 Modèles autorégressifs\u003cbr\u003e 5.1 Introduction\u003cbr\u003e 5.2 Introduction aux réseaux LSTM\u003cbr\u003e Extension RNN _5.3\u003cbr\u003e _5.4 PixelCNN\u003cbr\u003e _5.5 Résumé\u003cbr\u003e\u003cbr\u003e CHAPITRE 6 : MODÈLE DE NORMALISATION DES ÉCOULEMENTS\u003cbr\u003e 6.1 Introduction\u003cbr\u003e 6.2 Normalisation du flux\u003cbr\u003e _6.3 RealNVP\u003cbr\u003e 6.4 Autres modèles de flux normalisants\u003cbr\u003e _6.5 Résumé\u003cbr\u003e\u003cbr\u003e CHAPITRE 7 Modèles énergétiques\u003cbr\u003e 7.1 Introduction\u003cbr\u003e 7.2 Modèle basé sur l'énergie\u003cbr\u003e 7.3 Résumé\u003cbr\u003e\u003cbr\u003e CHAPITRE 8 Modèles de diffusion\u003cbr\u003e 8.1 Introduction\u003cbr\u003e 8.2 Modèle de diffusion pour la réduction du bruit\u003cbr\u003e 8.3 Résumé\u003cbr\u003e\u003cbr\u003e \u003cb\u003e[PARTIE 3 Applications de la modélisation générative]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e CHAPITRE 9 TRANSFORMERS\u003cbr\u003e _9.1 Introduction\u003cbr\u003e _9.2 GPT\u003cbr\u003e _9.3 Autres transformateurs\u003cbr\u003e _9.4 Résumé\u003cbr\u003e\u003cbr\u003e CHAPITRE 10 GAN AVANCÉ\u003cbr\u003e _10.1 Introduction \u003cbr\u003e_10.2 ProGAN\u003cbr\u003e _10.3 StyleGAN\u003cbr\u003e _10.4 StyleGAN2\u003cbr\u003e _10.5 Autres GAN importants\u003cbr\u003e _10.6 Résumé\u003cbr\u003e\u003cbr\u003e CHAPITRE 11 CRÉATION MUSICALE\u003cbr\u003e _11.1 Introduction\u003cbr\u003e _11.2 Transformateurs pour la génération musicale\u003cbr\u003e _11.3 MuseGAN\u003cbr\u003e _11.4 Résumé\u003cbr\u003e\u003cbr\u003e CHAPITRE 12 Modèle du monde\u003cbr\u003e _12.1 Introduction\u003cbr\u003e 12.2 Apprentissage par renforcement\u003cbr\u003e _12.3 Aperçu du modèle mondial\u003cbr\u003e _12.4 Collecte de données de déploiement aléatoire\u003cbr\u003e Formation VAE _12.5\u003cbr\u003e _12.6 Collecte des données d'entraînement MDN-RNN\u003cbr\u003e _12.7 Entraînement MDN-RNN\u003cbr\u003e _12.8 Formation des contrôleurs\u003cbr\u003e _12.9 Formation par les rêves\u003cbr\u003e Résumé du 12.10\u003cbr\u003e\u003cbr\u003e CHAPITRE 13 Modèles multimodaux\u003cbr\u003e _13.1 Introduction\u003cbr\u003e _13.2 DALL?E 2\u003cbr\u003e _13.3 Image\u003cbr\u003e 13.4 Diffusion stable\u003cbr\u003e _13.5 Flamant rose\u003cbr\u003e _13.6 Résumé\u003cbr\u003e\u003cbr\u003e CHAPITRE 14 CONCLUSION\u003cbr\u003e _14.1 Chronologie de l'IA générée\u003cbr\u003e 14.2 État actuel de l'IA générative\u003cbr\u003e _14.3 L'avenir de l'IA générative\u003cbr\u003e _14.4 Commentaires finaux\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\/TopCate4290\/MidCate007\/428965323.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\u003eDeuxième partie de « Apprentissage profond par GAN dans un musée d'art : un projet pratique »\u003cbr\u003e Le passé, le présent et l'avenir de l'IA générative qui a changé le monde.\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e David Foster est de retour et explique l'IA générative de manière claire et convaincante. \u003cbr\u003eLa première édition de cet ouvrage, « GAN Deep Learning Practical Project for Art Museums », était consacrée aux GAN, mais le domaine de l'IA générative a considérablement progressé depuis sa publication.\u003cbr\u003e Nous avons mis à jour la 2e édition afin de rendre compte des progrès fulgurants de l'IA générative qui ont stupéfié le monde.\u003cbr\u003e Nous avons mis à jour le contenu existant avec les dernières informations techniques, ajouté des descriptions plus détaillées des transformateurs et intégré du nouveau contenu pour les modèles multimodaux.\u003cbr\u003e La deuxième édition mise à jour est désormais disponible sous le nouveau titre « Apprendre l’IA générative en créant », car elle ne couvre pas le contenu spécifique aux GAN.\u003cbr\u003e\u003cbr\u003e Grâce à une technologie de pointe, ce livre fera de vous un expert en intelligence artificielle générative, avec des récits captivants, des exemples concrets et des applications pratiques.\u003cbr\u003e Apprenez à utiliser les techniques créatives assistées par ordinateur les plus avancées.\u003cbr\u003e Ce n'est pas grave si vous n'avez aucune expérience en intelligence artificielle générative. \u003cbr\u003eNous vous guiderons pas à pas dès le début afin que vous puissiez acquérir les compétences nécessaires.\u003cbr\u003e Il vous suffit d'avoir une certaine expérience en programmation Python.\u003cbr\u003e Après avoir assimilé les principes fondamentaux des modèles génératifs, apprenez l'IA générative en programmant directement avec Python et Keras.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e \u003cb\u003eQu'est-ce qui a changé dans la 2e édition ?\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e -Le chapitre 1 présente différents modèles génératifs et contient un système de classification qui montre leurs relations.\u003cbr\u003e -Le chapitre 2 propose des illustrations améliorées et explique les concepts clés plus en détail.\u003cbr\u003e -Le chapitre 3 contient de nouveaux exemples et explications.\u003cbr\u003e -Le chapitre 4 explique l'architecture GAN conditionnelle.\u003cbr\u003e -Le chapitre 5 décrit les modèles autorégressifs pour les images (par exemple, PixelCNN).\u003cbr\u003e -Le chapitre 6 est un chapitre entièrement nouveau, expliquant le modèle RealNVP.\u003cbr\u003e -Le chapitre 7 est également nouveau et se concentre sur des techniques telles que la dynamique de Langevin et la divergence contrastive. \u003cbr\u003e-Le chapitre 8 est un chapitre nouvellement rédigé pour les modèles de diffusion de suppression du bruit, qui constituent la base de nombreuses applications modernes aujourd'hui.\u003cbr\u003e -Le chapitre 9 développe le dernier chapitre de la première édition, en fournissant une couverture approfondie des différentes architectures de modèles StyleGAN et un nouveau contenu sur VQ-GAN.\u003cbr\u003e -Le chapitre 10 est un nouveau chapitre qui examine de plus près l'architecture du transformateur.\u003cbr\u003e -Le chapitre 11 traite de la dernière architecture de transformateur, remplaçant le modèle LSTM de la première édition.\u003cbr\u003e -Le chapitre 12 contient des illustrations et des explications mises à jour, et présente la manière dont cette approche influence l'apprentissage par renforcement de pointe d'aujourd'hui.\u003cbr\u003e -Le chapitre 13 est un nouveau chapitre qui détaille le fonctionnement de modèles impressionnants tels que DALL·E 2, Imagen, Stable Diffusion et Flamingo.\u003cbr\u003e Le chapitre 14 reflète les progrès remarquables accomplis dans le domaine de l'IA générative depuis la première édition et offre une vision plus complète et détaillée de l'évolution future de ce domaine.\u003cbr\u003e\u003cbr\u003e \u003cb\u003ePublic cible\u003c\/b\u003e\u003cbr\u003e \u003cbr\u003e- Les étudiants de premier cycle et les développeurs qui souhaitent comprendre le fonctionnement de l'IA générative et l'essayer eux-mêmes.\u003cbr\u003e Ingénieurs en apprentissage automatique, scientifiques des données et chercheurs intéressés par les dernières technologies d'apprentissage profond.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eContenu principal\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e -Modifier les expressions faciales sur les photos avec VAE\u003cbr\u003e - Générer des images à l'aide d'un GAN entraîné sur son propre ensemble de données.\u003cbr\u003e -Création de nouveaux types de fleurs à l'aide d'un modèle de diffusion\u003cbr\u003e -Entraîner son propre GPT pour la génération de texte\u003cbr\u003e Apprenez à entraîner ChatGPT, un modèle de langage à grande échelle.\u003cbr\u003e -Étudier les architectures de pointe telles que StyleGAN2 et ViT VQ-GAN.\u003cbr\u003e -Composition de musique polyphonique à l'aide de Transformers et de MuseGAN\u003cbr\u003e - Comprendre comment les modèles du monde résolvent les tâches d'apprentissage par renforcement.\u003cbr\u003e -Apprenez-en davantage sur les modèles multimodaux tels que DALL·E 2, Imagen et la diffusion stable. \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 de publication :\u003c\/strong\u003e 15 septembre 2023\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 480 pages | 1 195 g | 183 × 235 × 30 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 9791169211437\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 1169211437 \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":43893225488426,"sku":"138268","price":52.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/f485f957c0347eec306fdba714cd054a.jpg?v=1765392524","url":"https:\/\/librairie.coreenne.fr\/products\/138268","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}