Deep learning avec Keras et TensorFlow : mise en oeuvre et cas concrets

Quatrième de couverture : Deep Learning avec Keras et TensorFlow Mise en oeuvre et cas concrets L'objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du Deep Learning et de vous montrer, grâce à de nombreux exemples de code accessibles en ligne, comment les mettre en pratique. La 3e édition de cet ouvrage de référence, très remaniée, tient compte des récentes avancées. Construire et entraîner de nombreuses architectures de réseaux de neurones pour classification et régression à l'aide de Keras et TensorFlow 2. Découvrir les mécanismes d'attention, les grands modèles de langage (LLM) tels que GPT-4, les réseaux antagonistes génératifs (GAN), les modèles de diffusion tels que DALL-E 2, la détection d'objets, la segmentation sémantique, etc. Explorer Keras, l'API officielle de haut niveau pour TensorFlow 2, désormais compatible également avec PyTorch et JAX. Entraîner de grands modèles à l'aide de TF Data, de l'API de stratégies de distribution, de TF Serving, de Keras Tuner, ou encore de la bibliothèque Transformers de Hugging Face. Passer à l'échelle supérieure sur la plateforme Google Vertex Al, ou déployer sur des appareils mobiles. Créer des agents d'apprentissage autonomes avec l'apprentissage par renforcement profond.

Biographie de l'auteur : Aurélien Géron est consultant en Machine Learning. Il a travaillé chez Google de 2013 à 2016, où il dirigeait l'équipe de classification automatique des vidéos sur YouTube. Auparavant, il a créé et développé Wifirst, aujourd'hui l'un des leaders de l'Internet sans fil en France, ainsi que la société de conseil Polyconseil. Il a également enseigné en écoles d'ingénieurs.