Le deep learning avec TensorFlow : mise en oeuvre et cas concrets

Deep Learning avec TensorFlow

Mise en oeuvre et cas concrets

Le Machine Learning (apprentissage automatique) se répand aujourd'hui rapidement dans presque tous les secteurs d'activité. Certaines de ses techniques reposent sur les réseaux de neurones artificiels ; quand ces réseaux comptent un nombre important de couches, on parle alors de Deep Learning (apprentissage profond).

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.

Nous utiliserons TensorFlow, un outil open source très efficace pour entraîner des réseaux de neurones artificiels.

• Comprendre les bases du Deep Learning, et apprendre à utiliser TensorFlow.
• Ouvrir les boîtes noires pour comprendre comment fonctionnent les algorithmes.
• Comprendre comment distribuer les réseaux de neurones sur plusieurs processeurs.
• Analyser des images à l'aide de réseaux de neurones à convolution.
• Créer un système de traduction automatique à l'aide de réseaux de neurones récurrents.
• Construire des autoencodeurs doués de créativité.
• Aborder l'apprentissage par renforcement (Reinforcement Learning) et être capable de construire un agent capable d'apprendre à jouer tout seul.