Traitement en cours...
Fermer la notification

Toutes nos lignes téléphoniques...

sont actuellement en dérangement du fait de l'opérateur (SFR), qui nous dit mettre tout en œuvre pour rétablir la situation dans les plus brefs délais mais jusqu'ici n'a pas réussi à le faire.
Nous restons cependant à votre disposition par d'autres moyens pour vous informer.
Si vous souhaitez connaître les dates estimées d’expédition des titres que vous avez commandés, pensez à simplement consulter le détail de vos commandes sur side.fr.
Si vous avez besoin d’une autre information, vous pouvez, selon votre urgence, écrire à notre service clients à france@side.fr ou appeler directement votre représentant ou appeler le 06 34 54 96 63, le numéro d'urgence temporaire que nous avons mis en place en attendant de retrouver notre accueil téléphonique habituel.

Afficher la notification

Introduction au Deep Learning

Charniak Eugene
Date de parution 13/01/2021
EAN: 9782100819263
Disponibilité Disponible chez l'éditeur
Cet ouvrage s’adresse aux étudiants en fin de licence et en master d’informatique ou de maths appliquées, ainsi qu’aux élèves ingénieurs.L’apprentissage profond (deep learning) a révolutionné l’intelligence artificielle et s’est très rapidement ré... Voir la description complète
Nom d'attributValeur d'attribut
Common books attribute
ÉditeurDUNOD
Nombre de pages176
Langue du livreFrançais
AuteurCharniak Eugene
FormatPaperback / softback
Type de produitLivre
Date de parution13/01/2021
Poids348 g
Dimensions (épaisseur x largeur x hauteur)1,30 x 17,00 x 24,00 cm
Cet ouvrage s’adresse aux étudiants en fin de licence et en master d’informatique ou de maths appliquées, ainsi qu’aux élèves ingénieurs.L’apprentissage profond (deep learning) a révolutionné l’intelligence artificielle et s’est très rapidement répandu dans de nombreux domaines d’activité.Grâce à une approche « orientée projet », ce livre a pour but d’expliquer les bases du deep learning, depuis les réseaux de neurones à propagation avant jusqu’aux réseaux non supervisés.Conçu comme un manuel d’apprentissage synthétique, avec cours et exercices, il s’appuie sur des exemples dans des domaines comme la vision par ordinateur, la compréhension des langages naturels ou l’apprentissage par renforcement.Ces exemples sont étudiés avec le logiciel TensorFlow.Les notions théoriques sont illustrées et complétées par une quarantaine d’exercices, dont la moitié sont corrigés.