Le deep learning en équations : avec des équations et sans code

Cet ouvrage présente le deep learning. À des fins de concision, et les codes sources étant aisément trouvés sur internet, on évitera d inclure du code, tout en encourageant le lecteur à ne pas avoir peur: les plateformes modernes (comme Pytorch, en Python) sont très aisées à manier, et on trouve facilement des colab , que l on peut même, parfois, faire tourner à distance si on ne dispose pas d une machine assez puissante. Grâce à ce choix éditorial, accompagné d une formalisation en équations, on couvrira une grande partie du deep learning (en français apprentissage profond ), sans être exagérément long. En particulier, tous les éléments permettant de comprendre les IA conversationnelles ou génératrices d images sont inclus. Les prérequis sont essentiellement la compréhension du produit matrice / vecteur (le passage au tenseur est aisé) et de ce qu est un gradient (ce qui devrait être simple pour qui connaît le concept de dérivée).

Reliure de 55 % du catalogue : les livres dont le score de notoriété va de 0 à 550 000 (sur 1 000 000). Probabilité publiée par carte tirée : 70 %. Rareté : Commune.