Apprentissage profond

Le livre est structuré autour des thèmes clés suivants : principes fondamentaux des réseaux neuronaux, réseaux neuronaux convolutifs (CNN), réseaux neuronaux récurrents (RNN), modèles génératifs et apprentissage par renforcement. En outre, nous couvrons également des sujets avancés tels que le mécanisme d'attention, l'architecture de transformateur, l'apprentissage multimodal, l'apprentissage à quelques coups, les exemples adverses et les défenses, l'accord d'hyper paramètres et les techniques de régularisation. Nous pensons que l'intuition géométrique est essentielle pour comprendre les concepts d'apprentissage profond, et nous nous efforçons d'utiliser des visualisations pour aider les lecteurs à construire un modèle mental solide des concepts. Le livre fournit également une intuition de programmation, qui aide les lecteurs à comprendre comment mettre en œuvre des algorithmes d'apprentissage profond en utilisant des cadres populaires tels que Tensor Flow ou Py Torch. Nous pensons que l'intuition de programmation est cruciale pour que les lecteurs développent des compétences pratiques et appliquent les techniques d'apprentissage profond aux problèmes du monde réel.