Deep learning avec JavaScript

Réseaux de neurones dans TensorFlow.js

Shanqing Cai, Stanley Bileschi, Eric D. Nielsen

546 pages, parution le 24/09/2020

Ajouter à une liste

Expédié sous 8 jours

Livraison à partir de 0,01€ dès 35€ d'achats
Pour une livraison en France métropolitaine

QUANTITÉ

Résumé

Tensorflow.js étend la bibliothèque de machine learning open source TensorFlow de Google à JavaScript pour entraîner et déployer des modèles d'apprentissage machine dans un navigateur. Accélérée par WebGL, la bibliothèque Tensorflow.js fonctionne également avec le runtime JavaScript côté serveur et fait partie de l'écosystème TensorFlow.
Cette librairie ouvre la porte à de nombreuses possibilités, puisqu'elle peut par exemple exploiter la webcam du navigateur. Et surtout, en mettant le Deep Learning à la portée des développeurs Javascript, il y a de fortes chances pour qu'elle contribue à une accélération de la diffusion du Deep Learning.

Au programme :

TensorFlow.js, une introduction en douceur ;
Pour commencer : Régression linéaire simple dans TensorFlow.js ;
Ajouter de la non-linéarité : Aller au-delà des sommes pondérées ;
Reconnaître les images et les sons à l'aide des réseaux de neurones convolutifs ;
Apprentissage par transfert : Réutiliser des réseaux de neurones pré-entraînés ;
Deep learning avancé avec TensorFlow.js - Travailler avec des données ;
Visualiser des données et des modèles ;
Sous-apprentissage, surapprentissage et flux de travail universel de l'apprentissage automatique ;
Deep learning pour les séquences et le texte ;
Les bases de l'apprentissage par renforcement profond ;
Tester, optimiser et déployer les modèles ;

Caractéristiques techniques

	PAPIER
Éditeur(s)	First
Auteur(s)	Shanqing Cai, Stanley Bileschi, Eric D. Nielsen
Parution	24/09/2020
Nb. de pages	546
Format	19 x 23
Couverture	Broché
Poids	1115g
Intérieur	Noir et Blanc
EAN13	9782412058282