Depp Learning avec Keras et TensorFlow / AurØlien GØron (DL 2024) / 978-2-10-084769-3  

Public ISBD Titre : Depp Learning avec Keras et TensorFlow : mise en oeuvre et cas concrets Type de document : texte imprimé Auteurs : AurØlien GØron, Auteur ; HervØ Soulard, Traducteur ; Anne Bohy, Traducteur Mention d'édition : 3e Ød. Editeur : Malakoff : Dunod Année de publication : DL 2024 Autre Editeur : 42-Saint-Just-la-Pendue : Impr. Chirat Importance : 1 vol. (XIV-610 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-10-084769-3 Note générale : Traduction de la 3e Ødition publiØe par O'Reilly Index Langues : Français (fre) Langues originales : Anglais (eng) Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : Depp Learning  apprentissage profond  Karas  TensorFlow  réseaux de neurones  intelligence artificielle  machine Learning  apprentissage automatique  CNN  RNN  réseaux convolutifs  réseaux récurrents  Python  data science  vision par ordinateur  traitement du langage naturel  GAN  auto encodeurs Index. décimale : 004.8 - Intelligence artificielle Résumé : Ouvrage pratique et complet sur le Depp Learning utilisant les Framework Karas et TensorFlow. Cette troisième édition de 610 pages présente les concepts fondamentaux de l'apprentissage profond et leur mise en œuvre concrète à travers de nombreux cas pratiques. Le livre couvre les réseaux de neurones, les réseaux convolutifs (CNN), les réseaux récurrents (RNN), les autoencodeurs, les réseaux génératifs (GAN), et les techniques avancées d'optimisation et de régularisation. Chaque concept est illustré par des exemples de code et des applications réelles. Destiné aux data scientists, développeurs et ingénieurs en intelligence artificielle souhaitant maîtriser les outils modernes du deep learning. En ligne : 862921 Depp Learning avec Keras et TensorFlow : mise en oeuvre et cas concrets [texte imprimé] / AurØlien GØron, Auteur ; HervØ Soulard, Traducteur ; Anne Bohy, Traducteur  . -  3e Ød. . - Malakoff : Dunod : 42-Saint-Just-la-Pendue : Impr. Chirat, DL 2024 . - 1 vol. (XIV-610 p.) : ill. ; 24 cm. ISBN : 978-2-10-084769-3 Traduction de la 3e Ødition publiØe par O'Reilly Index Langues : Français (fre) Langues originales : Anglais (eng) Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : Depp Learning  apprentissage profond  Karas  TensorFlow  réseaux de neurones  intelligence artificielle  machine Learning  apprentissage automatique  CNN  RNN  réseaux convolutifs  réseaux récurrents  Python  data science  vision par ordinateur  traitement du langage naturel  GAN  auto encodeurs Index. décimale : 004.8 - Intelligence artificielle Résumé : Ouvrage pratique et complet sur le Depp Learning utilisant les Framework Karas et TensorFlow. Cette troisième édition de 610 pages présente les concepts fondamentaux de l'apprentissage profond et leur mise en œuvre concrète à travers de nombreux cas pratiques. Le livre couvre les réseaux de neurones, les réseaux convolutifs (CNN), les réseaux récurrents (RNN), les autoencodeurs, les réseaux génératifs (GAN), et les techniques avancées d'optimisation et de régularisation. Chaque concept est illustré par des exemples de code et des applications réelles. Destiné aux data scientists, développeurs et ingénieurs en intelligence artificielle souhaitant maîtriser les outils modernes du deep learning. En ligne : 862921

Exemplaires(0)

Disponibilité
aucun exemplaire

L'intelligence artificielle pour les développeurs / Virginie Mathivet (2019) / 978-2-409-01709-4

Public ISBD Titre : L'intelligence artificielle pour les développeurs : concepts et implémentations en Java Type de document : texte imprimé Auteurs : Virginie Mathivet Mention d'édition : 2e éd. Editeur : France : ENI Année de publication : 2019 Collection : Datapro Importance : 1 vol. (500 p.) Présentation : ill. Format : 22 cm ISBN/ISSN/EAN : 978-2-409-01709-4 Note générale : Bibliogr. et webliogr. p. 467-485. Index Langues : Français (fre) Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Index. décimale : 004.8 - Intelligence artificielle Résumé : Ce livre sur l'Intelligence Artificielle s'adresse particulièrement aux développeurs et ne nécessite pas de connaissances mathématiques approfondies. Au fil des chapitres, l'auteur présente les principales techniques d'Intelligence Artificielle et, pour chacune d'elles, les inspirations biologiques, physiques voire mathématiques, puis les différents concepts et principes (sans entrer dans les détails mathématiques), avec des exemples et figures pour chacun de ceux-ci. Les domaines d'application sont illustrés par des applications réelles et actuelles. Chaque chapitre contient un exemple d'implémentation générique, complété par une application pratique, développée en Java. Ces exemples de code étant génériques, ils sont facilement adaptables à de nombreuses applications Java 10, sans plugin extérieur. Les techniques d'Intelligence Artificielle décrites sont : - Les systèmes experts, permettant d'appliquer des règles pour prendre des décisions ou découvrir de nouvelles connaissances. - La logique floue, permettant de contrôler des systèmes informatiques ou mécaniques de manière beaucoup plus souple que les programmes traditionnels. - Les algorithmes de recherche de chemin, dont le A* très utilisé dans les jeux vidéo pour trouver les meilleurs itinéraires. - Les algorithmes génétiques, utilisant la puissance de l'évolution pour apporter des solutions à des problèmes complexes. - Les principales métaheuristiques, dont la recherche tabou, trouvant des optimums à des problèmes d'optimisation, avec ou sans contraintes. - Les systèmes multi-agents, simulant des foules ou permettant des comportements émergents à partir de plusieurs agents très simples. - Les réseaux de neurones (et le deep learning), capables de découvrir et de reconnaître des modèles, dans des suites historiques, des images ou encore des données. Pour aider le lecteur à passer de la théorie à la pratique, l'auteur propose en téléchargement, sur le site www.editions-eni.fr, sept projets Java (réalisés avec NetBeans), un par technique d'Intelligence Artificielle. Chaque projet contient un package générique et un ou plusieurs packages spécifiques à l'application proposée. Le livre se termine par une bibliographie, permettant au lecteur de trouver plus d'informations sur ces différentes techniques, une sitographie listant quelques articles présentant des applications réelles, une annexe et un index. L'intelligence artificielle pour les développeurs : concepts et implémentations en Java [texte imprimé] / Virginie Mathivet  . -  2e éd. . - France : ENI, 2019 . - 1 vol. (500 p.) : ill. ; 22 cm. - (Datapro) . ISBN : 978-2-409-01709-4 Bibliogr. et webliogr. p. 467-485. Index Langues : Français (fre) Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Index. décimale : 004.8 - Intelligence artificielle Résumé : Ce livre sur l'Intelligence Artificielle s'adresse particulièrement aux développeurs et ne nécessite pas de connaissances mathématiques approfondies. Au fil des chapitres, l'auteur présente les principales techniques d'Intelligence Artificielle et, pour chacune d'elles, les inspirations biologiques, physiques voire mathématiques, puis les différents concepts et principes (sans entrer dans les détails mathématiques), avec des exemples et figures pour chacun de ceux-ci. Les domaines d'application sont illustrés par des applications réelles et actuelles. Chaque chapitre contient un exemple d'implémentation générique, complété par une application pratique, développée en Java. Ces exemples de code étant génériques, ils sont facilement adaptables à de nombreuses applications Java 10, sans plugin extérieur. Les techniques d'Intelligence Artificielle décrites sont : - Les systèmes experts, permettant d'appliquer des règles pour prendre des décisions ou découvrir de nouvelles connaissances. - La logique floue, permettant de contrôler des systèmes informatiques ou mécaniques de manière beaucoup plus souple que les programmes traditionnels. - Les algorithmes de recherche de chemin, dont le A* très utilisé dans les jeux vidéo pour trouver les meilleurs itinéraires. - Les algorithmes génétiques, utilisant la puissance de l'évolution pour apporter des solutions à des problèmes complexes. - Les principales métaheuristiques, dont la recherche tabou, trouvant des optimums à des problèmes d'optimisation, avec ou sans contraintes. - Les systèmes multi-agents, simulant des foules ou permettant des comportements émergents à partir de plusieurs agents très simples. - Les réseaux de neurones (et le deep learning), capables de découvrir et de reconnaître des modèles, dans des suites historiques, des images ou encore des données. Pour aider le lecteur à passer de la théorie à la pratique, l'auteur propose en téléchargement, sur le site www.editions-eni.fr, sept projets Java (réalisés avec NetBeans), un par technique d'Intelligence Artificielle. Chaque projet contient un package générique et un ou plusieurs packages spécifiques à l'application proposée. Le livre se termine par une bibliographie, permettant au lecteur de trouver plus d'informations sur ces différentes techniques, une sitographie listant quelques articles présentant des applications réelles, une annexe et un index.

Exemplaires(0)

Disponibilité
aucun exemplaire

Practical MLOps / Noah GIFT (2020) / 978-1-09-810301-9

Public ISBD Titre : Practical MLOps : Operationalizing Machine Learning Models Type de document : texte imprimé Auteurs : Noah GIFT, Auteur ; Alfredo Deza, Auteur Editeur : Paris : O'reeilly Année de publication : 2020 Importance : 439p. Présentation : Couv. coul.photos Format : 26 cm ISBN/ISSN/EAN : 978-1-09-810301-9 Prix : 24111,00 Langues : Anglais (eng) Tags : MLOps  machine learning  déploiement de modèles  pipelines de données  CI/CD  automatisation  cloud computing  ingénierie logicielle. Index. décimale : 004.8 - Intelligence artificielle Résumé : Getting your models into production is the fundamental challenge of machine learning. MLOps offers a set of proven principles aimed at solving this problem in a reliable and automated way. This insightful guide takes you through what MLOps is (and how it differs from DevOps) and shows you how to put it into practice to operationalize your machine learning models. Current and aspiring machine learning engineers--or anyone familiar with data science and Python--will build a foundation in MLOps tools and methods (along with AutoML and monitoring and logging), then learn how to implement them in AWS, Microsoft Azure, and Google Cloud. The faster you deliver a machine learning system that works, the faster you can focus on the business problems you're trying to crack. This book gives you a head start. You'll discover how to: Apply DevOps best practices to machine learning Build production machine learning systems and maintain them Monitor, instrument, load-test, and operationalize machine learning systems Choose the correct MLOps tools for a given machine learning task Run machine learning models on a variety of platforms and devices, including mobile phones and specialized hardware *Cet ouvrage traite de la mise en production et de l’exploitation des modèles de machine learning dans des environnements réels, en s’inscrivant dans la démarche MLOps. Il aborde les bonnes pratiques pour l’automatisation des pipelines de données et de modèles, l’intégration continue et le déploiement continu (CI/CD), la surveillance des performances, la gestion des versions et la reproductibilité des expériences. Destiné aux data scientists, ingénieurs machine learning et professionnels de l’informatique, le livre met l’accent sur une approche pratique fondée sur des outils modernes du cloud et de l’ingénierie logicielle, facilitant le passage du prototype au système opérationnel. Practical MLOps : Operationalizing Machine Learning Models [texte imprimé] / Noah GIFT, Auteur ; Alfredo Deza, Auteur . - Paris : O'reeilly, 2020 . - 439p. : Couv. coul.photos ; 26 cm. ISBN : 978-1-09-810301-9 : 24111,00 Langues : Anglais (eng) Tags : MLOps  machine learning  déploiement de modèles  pipelines de données  CI/CD  automatisation  cloud computing  ingénierie logicielle. Index. décimale : 004.8 - Intelligence artificielle Résumé : Getting your models into production is the fundamental challenge of machine learning. MLOps offers a set of proven principles aimed at solving this problem in a reliable and automated way. This insightful guide takes you through what MLOps is (and how it differs from DevOps) and shows you how to put it into practice to operationalize your machine learning models. Current and aspiring machine learning engineers--or anyone familiar with data science and Python--will build a foundation in MLOps tools and methods (along with AutoML and monitoring and logging), then learn how to implement them in AWS, Microsoft Azure, and Google Cloud. The faster you deliver a machine learning system that works, the faster you can focus on the business problems you're trying to crack. This book gives you a head start. You'll discover how to: Apply DevOps best practices to machine learning Build production machine learning systems and maintain them Monitor, instrument, load-test, and operationalize machine learning systems Choose the correct MLOps tools for a given machine learning task Run machine learning models on a variety of platforms and devices, including mobile phones and specialized hardware *Cet ouvrage traite de la mise en production et de l’exploitation des modèles de machine learning dans des environnements réels, en s’inscrivant dans la démarche MLOps. Il aborde les bonnes pratiques pour l’automatisation des pipelines de données et de modèles, l’intégration continue et le déploiement continu (CI/CD), la surveillance des performances, la gestion des versions et la reproductibilité des expériences. Destiné aux data scientists, ingénieurs machine learning et professionnels de l’informatique, le livre met l’accent sur une approche pratique fondée sur des outils modernes du cloud et de l’ingénierie logicielle, facilitant le passage du prototype au système opérationnel.

Exemplaires(0)

Disponibilité
aucun exemplaire

---

1 (1 - 3 / 3) Par page : 25 50 100 200