L’apprentissage profond avec Python, François Chollet

Description

L’apprentissage profond avec Python (version française de Deep Learning with Python des éditions Manning) présente l’apprentissage profond en utilisant le langage Python et la puissante bibliothèque Keras. Rédigé par François Chollet, créateur de Keras et chercheur en intelligence artificielle à Google, cet ouvrage de référence (512 pages en couleur) construit votre compréhension de l’apprentissage profond grâce à des explications intuitives et des exemples pratiques. Vous explorerez des concepts et des pratiques stimulantes avec des applications de vision par ordinateur, de traitement du langage naturel et de modèles génératifs. Lorsque vous aurez terminé, vous aurez les connaissances et les compétences pratiques nécessaires pour appliquer l’apprentissage profond à vos propres projets. Aucune expérience préalable de Keras, de TensorFlow ou d’apprentissage automatique n’est requise. Les lecteurs ont besoin de compétences Python intermédiaires.

Le livre vient de paraître en français, mais envie de lire des revues de lecteurs sur la version US ? Cliquer ici.

Le livre est immédiatement disponible à la librairie Eyrolles à Paris, sur le site Eyrolles, sur le site de FNAC+ ou chez votre libraire préféré en indiquant l’ISBN 978-2-491674-00-7. Ce livre est également disponible sur Amazon.

Ce livre est simple à comprendre, progressif, des notions élémentaires aux techniques les plus avancées, en français avec les mots anglais d’origine entre parenthèses :

[…] L’apprentissage automatique (machine learning), l’apprentissage profond (deep learning) et l’intelligence artificielle (artificial intelligence) apparaissent dans d’innombrables articles, souvent en dehors de publications axées sur la technologie. […] L’application de la règle de la dérivation en chaîne au calcul des valeurs du gradient d’un réseau de neurones, correspond à un algorithme appelé la rétropropagation du gradient (également appelée backpropagation ou reverse-mode differentiation).[…] Il y a deux façons de définir un modèle : soit en utilisant la classe Sequential (uniquement pour des piles linéaires de couches ce qui est, de loin, l’architecture de réseau la plus courante) ; soit en utilisant l’API Fonctionnelle (functional API) (utilisée pour des graphes orientés acycliques de couches (directed acyclic graphs of layers), ce qui vous permet de construire des architectures complètement quelconques). […]

En quelques clics, vous téléchargez la puissante bibliothèque d’apprentissage profond Keras, et vous êtes prêt à démarrer la lecture de ce livre. Par les mots de son auteur François Chollet :

Le livre que vous avez entre les mains est une nouvelle étape vers la mise à disposition de l’apprentissage profond au plus grand nombre. Keras a toujours eu besoin d’un cours d’accompagnement afin de couvrir simultanément les bases de l’apprentissage profond, les modes d’utilisation de Keras et les meilleures pratiques de l’apprentissage profond. Cet ouvrage est ce que j’ai accompli de plus élaboré pour atteindre cet objectif. Je l’ai écrit en mettant l’accent sur la nécessité de rendre l’apprentissage profond, ses concepts sous-jacents et sa mise en oeuvre aussi abordables que possible. Pour ce faire, il n’a pas été nécessaire d’abaisser le niveau d’exigence — je suis convaincu qu’il n’y a pas de réelles difficultés dans l’apprentissage profond. J’espère que vous trouverez ce livre profitable, et qu’il vous permettra de développer des applications intelligentes et de résoudre des problèmes qui vous tiennent à coeur.

Vous maîtrisez en même temps le langage Python grâce à des lignes de code en couleur pour faciliter votre compréhension :

• l’intelligence artificielle, l’apprentissage automatique et l’apprentissage profond
• Avant l’apprentissage profond, une brève histoire de l’apprentissage automatique
• Pourquoi l’apprentissage profond ? Pourquoi maintenant ?
• les notions mathématiques des réseaux de neurones (sans formule, ni calcul)
• La mise en oeuvre des réseaux de neurones sur des cas concrets
• Les principes fondamentaux de l’apprentissage automatique :
  • • les quatre branches de l’apprentissage automatique
    • l’évaluation des modèles d’apprentissage automatique
    • le prétraitement des données
    • l’extraction des caractéristiques et l’apprentissage des caractéristiques
    • le sur-ajustement et le sous-ajustement
    • le déroulement universel des tâches de l’apprentissage automatique

• La pertinence de l’apprentissage profond pour des problèmes avec peu de données d’apprentissage
• L’entraînement d’un ConvNet à partir de zéro sur un petit jeu de données
• L’utilisation d’un ConvNet pré-entraîné
• La visualisation des représentations apprises par les ConvNet
• L’inspection et la surveillance des modèles à l’aide des callbacks de Keras et de TensorBoard
• Au-delà du modèle séquentiel : l’API Fonctionnelle de Keras
• L’utilisation avancée des réseaux de neurones récurrents
• Le traitement des données textuelles et des séquences
• Le traitement des séquences avec des réseaux ConvNet
• La génération de texte avec un LSTM
• L’algorithme DeepDream
• Le transfert de style neuronal
• La génération d’images avec des auto-encodeurs variationnels
• L’introduction aux réseaux génératifs antagonistes
• L’avenir de l’apprentissage profond
• Les limites de l’apprentissage profond
• et enfin, comment rester toujours à jour dans un domaine en évolution rapide!

François Chollet est un ingénieur et chercheur en apprentissage profond chez Google à Mountain View, en Californie aux États-Unis. Il est le créateur de la bibliothèque d’apprentissage profond Keras, ainsi qu’un contributeur à la bibliothèque logicielle d’apprentissage automatique TensorFlow. François Chollet est spécialisé dans la vision par ordinateur et les applications de l’apprentissage automatique au raisonnement formel. Ses articles sont publiés dans les plus grandes conférences du domaine, notamment CVPR, NeurIPS, ICLR et bien d’autres. Le livre est imprimé sur du papier certifié PEFC (Programme for the Endorsement of Forest Certification), les encres et techniques d’impression ont le label Imprim’Vert. Le Livre est imprimé en Région Centre-Val de Loire. Une compensation volontaire carbone de 3kg par ouvrage (pesant 1,250kg) est versée à la Fondation GoodPlanet. Machinelearning.fr s’engage pour la transition écologique vers le développement durable.