Le Machine Learning avec Scikit-Learn, Keras et TensorFlow : Concepts, outils et techniques pour créer des systèmes intelligents

Grâce à une série de percées récentes, l’apprentissage profond a dynamisé l’ensemble du domaine de l’apprentissage automatique. Désormais, même les programmeurs qui connaissent à peine cette technologie peuvent utiliser des outils simples et efficaces pour mettre en œuvre des programmes capables d’apprendre à partir de données. Ce livre à succès s’appuie sur des exemples concrets, un minimum de théorie et des frameworks Python prêts pour la production (Scikit-Learn, Keras et TensorFlow) afin de vous aider à acquérir une compréhension intuitive des concepts et des outils permettant de construire des systèmes intelligents. Dans cette troisième édition mise à jour, l’auteur Aurélien Géron explore un éventail de techniques, en commençant par la régression linéaire simple pour progresser jusqu’aux réseaux neuronaux profonds. De nombreux exemples de code et exercices tout au long du livre vous aident à mettre en pratique ce que vous avez appris. Une expérience en programmation est tout ce dont vous avez besoin pour commencer.

Utilisez Scikit-learn pour suivre un projet d’apprentissage automatique de bout en bout Explorez plusieurs modèles, notamment les machines à vecteurs de support, les arbres de décision, les forêts aléatoires et les méthodes d’ensemble Exploitez des techniques d’apprentissage non supervisé telles que la réduction de dimensionnalité, le partitionnement de données et la détection d’anomalies Plongez dans les architectures de réseaux neuronaux, notamment les réseaux convolutifs, les réseaux récurrents, les réseaux antagonistes génératifs, les auto-encodeurs, les modèles de diffusion et les transformeurs Utilisez TensorFlow et Keras pour construire et entraîner des réseaux neuronaux destinés à la vision par ordinateur, au traitement du langage naturel, aux modèles génératifs et à l’apprentissage par renforcement profond