Deep Learning avec Python, troisième édition

Le best-seller sur l'apprentissage profond avec Python, couvre désormais l'IA générative, Keras 3, PyTorch et JAX !

Le livre "Deep Learning with Python, Third Edition" met la puissance de l'apprentissage profond entre vos mains. Cette nouvelle édition inclut les dernières fonctionnalités de Keras et TensorFlow, les modèles d'IA générative, et une couverture supplémentaire de PyTorch et JAX. Apprenez directement du créateur de Keras et entrez avec confiance dans le monde de l'apprentissage profond avec Python.

Dans "Deep Learning with Python, Third Edition", vous découvrirez : L'apprentissage profond à partir des principes de base Les dernières fonctionnalités de Keras 3 Une introduction à JAX, PyTorch et TensorFlow La classification et la segmentation d'images La prévision de séries chronologiques Les grands modèles de langage La classification de texte et la traduction automatique La génération de texte et d'images – construisez votre propre GPT et vos modèles de diffusion ! La mise à l'échelle et l'optimisation des modèles
Avec plus de 100 000 exemplaires vendus, "Deep Learning with Python" permet aux développeurs, aux data scientists et aux passionnés d'apprentissage automatique de mettre l'apprentissage profond en action. Dans cette troisième édition élargie et mise à jour, François Chollet, créateur de Keras, offre des aperçus tant aux praticiens débutants qu'expérimentés de l'apprentissage automatique. Vous maîtriserez les outils et techniques d'apprentissage profond à la pointe de la technologie, des dernières fonctionnalités de Keras 3 à la construction de modèles d'IA capables de générer du texte et des images.

À propos de la technologie

En moins d'une décennie, l'apprentissage profond a changé le monde — deux fois. Premièrement, les bibliothèques basées sur Python comme Keras, TensorFlow et PyTorch ont élevé les réseaux neuronaux du stade d'expériences de laboratoire à celui de systèmes de production haute performance déployés à grande échelle. Et maintenant, grâce aux grands modèles de langage et à d'autres outils d'IA générative, l'apprentissage profond transforme à nouveau les entreprises et la société. Dans cette nouvelle édition, François Chollet, créateur de Keras, vous invite à explorer ce sujet incroyable avec le style fluide et mentorat d'un véritable initié.

À propos du livre

"Deep Learning with Python, Third Edition" rend les concepts sous-jacents à l'apprentissage profond et à l'IA générative compréhensibles et accessibles. Cette réécriture complète du best-seller original inclut de nouveaux chapitres sur les transformeurs, la construction de votre propre LLM de type GPT et la génération d'images avec des modèles de diffusion. Chaque chapitre propose des projets pratiques et des exemples de code qui renforcent votre compréhension de l'apprentissage profond, couche par couche.

Ce qui est inclus Apprentissage pratique, basé sur le code Complet, des bases à l'IA générative Explications mathématiques intuitives et faciles Exemples en Keras, PyTorch, JAX et TensorFlow
À propos du lecteur

Pour les lecteurs ayant des compétences intermédiaires en Python. Aucune expérience préalable en apprentissage automatique ou en algèbre linéaire n'est requise.

À propos de l'auteur

François Chollet est le co-fondateur de Ndea et le créateur de Keras. Matthew Watson est ingénieur logiciel chez Google, travaillant sur Gemini et un mainteneur principal de Keras.

Table des matières

1 Qu'est-ce que l'apprentissage profond ?
2 Les éléments constitutifs mathématiques des réseaux neuronaux
3 Introduction à TensorFlow, PyTorch, JAX et Keras
4 Classification et régression
5 Fondamentaux de l'apprentissage automatique
6 Le flux de travail universel de l'apprentissage automatique
7 Un aperçu approfondi de Keras
8 Classification d'images
9 Modèles d'architecture ConvNet
10 Interprétation de ce que les ConvNets apprennent
11 Segmentation d'images
12 Détection d'objets
13 Prévision de séries chronologiques
14 Classification de texte
15 Modèles de langage et le Transformeur
16 Génération de texte
17 Génération d'images
18 Bonnes pratiques pour le monde réel
19 L'avenir de l'IA
20 Conclusions