Description du livre
Apprenez, comprenez et mettez en œuvre des réseaux neuronaux profonds dans le cadre d'une approche mathématique et de programmation conviviale en utilisant Keras et Python. Le livre se concentre sur une approche de bout en bout pour développer des algorithmes d'apprentissage supervisé en régression et en classification avec des cas pratiques d'utilisation centrés sur l'entreprise mis en œuvre à Keras.
L'ensemble du livre comprend trois sections avec deux chapitres dans chaque section. La première section vous prépare avec tous les éléments de base nécessaires pour commencer un apprentissage approfondi. Le chapitre 1 vous présente le monde de l'apprentissage approfondi et sa différence avec l'apprentissage machine, les choix de cadres pour l'apprentissage approfondi et l'écosystème Keras. Vous couvrirez un problème commercial réel qui peut être résolu par des algorithmes d'apprentissage supervisé avec des réseaux neuronaux profonds. Vous aborderez un cas d'utilisation pour la régression et un autre pour la classification en utilisant des ensembles de données Kaggle populaires.
Plus tard, vous verrez une partie intéressante et stimulante de l'apprentissage approfondi : le réglage des hyperparamètres, qui vous aidera à améliorer vos modèles lors de la construction d'applications robustes d'apprentissage approfondi. Enfin, vous perfectionnerez vos compétences en matière d'apprentissage approfondi et couvrirez des domaines de développement actif et de recherche en apprentissage approfondi.
À la fin de Learn Keras for Deep Neural Networks, vous aurez une compréhension approfondie des principes de l'apprentissage profond et vous aurez une expérience pratique de l'élaboration de solutions d'apprentissage profond en entreprise dans le cadre de Keras.
Ce que vous apprendrez
Maîtrisez des concepts d'apprentissage pratique et approfondi au rythme rapide avec des abstractions faciles à comprendre en mathématiques et en programmation. Concevoir, développer, former, valider et déployer des réseaux neuronaux profonds en utilisant le cadre Keras Utiliser les meilleures pratiques pour le débogage et la validation des modèles d'apprentissage profond Déployer et intégrer l'apprentissage profond en tant que service dans un service ou un produit logiciel plus vaste Étendre les principes d'apprentissage profond à d'autres cadres populaires
A qui s'adresse ce livre
Ingénieurs en logiciel et ingénieurs en données ayant des compétences de base en programmation dans n'importe quel langage et désireux d'explorer l'apprentissage approfondi pour un changement de carrière ou un projet d'entreprise.