|
Titre :
|
L'apprentissage profond
|
|
Auteurs :
|
I. Goodfellow, Auteur ;
Y. Bengio, Auteur ;
A. Courville, Auteur ;
F. Bach, Préfacier ;
F. Navarro, Traducteur ;
S. El Kolei, Traducteur ;
B. Guedj, Traducteur ;
C. Chesneau, Traducteur ;
N. Bousquet, Traducteur
|
|
Type de document :
|
ouvrage
|
|
Editeur :
|
[Paris] : Massot editions, 2018
|
|
Autre Editeur :
|
Quantmetry
|
|
ISBN/ISSN/EAN :
|
979-10-97160-43-2
|
|
Format :
|
1 vol. (XXVI-768 p.) / ill., couv. ill. en coul. / 24 cm
|
|
Langues:
|
= Français
|
|
Langues originales:
|
= Anglais
|
|
Mots-clés:
|
APPRENTISSAGE PROFOND
;
RESEAU DE NEURONE
;
RESEAU CONVOLUTIF
;
RESEAU RECURRENT
;
AUTO-ENCODEUR
;
MODELE GENERATIF
;
PSEUDO-VRAISEMBLANCE
;
INFERENCE
|
|
Résumé :
|
? Hello Dave, you?re looking well today ?. C?est en ces termes que s?exprime l?ordinateur du vaisseau de "2001 l?Odyss?ee de l?Espace" de Stanley Kubrick. Cette sc?ene de 1968 fait d?esormais partie de notre quotidien : les assistants virtuels, la reconnaissance faciale, la traduction automatique, et bient?ot les voitures autonomes sont autant d?applications de l?Intelligence Artificielle connexionniste port?es par les r?eseaux de neurones et l?apprentissage profond (deep learning). Cette forme d?apprentissage automatique permet ?a l?ordinateur d?apprendre par l?exp?erience sans qu?un humain lui sp?ecifie formellement toutes les connaissances n?ecessaires. Ce processus lui permet alors de comprendre le monde et les concepts complexes qui le composent en les rapportant ?a une hi?erarchie de briques ?el?ementaires. Cet ouvrage pr?esente un contexte math?ematique et conceptuel pour l?apprentissage profond, couvrant les fondations de l?alg?ebre lin?eaire, de la th?eorie des probabilit?es et de l?information, du calcul num?erique et de l?apprentissage automatique. Il offre ?egalement des perspectives de recherche, couvrant des sujets th?eoriques tels que les auto-encodeurs, l?apprentissage de repr?esentation, les mod?eles probabilistes structur?es, la fonction de partition, l?inf?erence approximative et les mod?eles g?en?eratifs profonds. Ce texte de r?ef?erence peut ?etre notamment utilis?e par des ?etudiants en cycles sup?erieurs d?industrie ou de recherche, et par des ing?enieurs logiciel qui veulent int?egrer l?apprentissage profond dans leurs produits ou plateformes. Il est le premier au monde ?a faire l?objet d?une traduction automatique fond?ee sur de l?apprentissage profond ?a partir d'un outil propos?e par DeepL GmbH.
|
