L’objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du Deep Learning et de vous montrer, grâce à de nombreux exemples de code accessibles en ligne, comment les mettre en pratique. La 3e édition de cet ouvrage de référence, très remaniée, tient compte des récentes avancées. - Construire et entraîner de nombreuses architectures de réseaux de neurones pour classification et régression à l’aide de Keras et TensorFlow 2. - Découvrir les mécanismes d’attention, les grands modèles de langage (LLM) tels que GPT-4, les réseaux antagonistes génératifs (GAN), les modèles de diffusion tels que DALL-E 2, la détection d’objets, la segmentation sémantique, etc. - Explorer Keras, l’API officielle de haut niveau pour TensorFlow 2, désormais compatible également avec PyTorch et JAX. - Entraîner de grands modèles à l’aide de TF Data, de l’API de stratégies de distribution, de TF Serving, de Keras Tuner, ou encore de la bibliothèque Transformers de Hugging Face. - Passer à l’échelle supérieure sur la plateforme Google Vertex AI, ou déployer sur des appareils mobiles. - Créer des agents d’apprentissage autonomes avec l’apprentissage par renforcement profond. Tous les exemples de code sont disponibles en ligne sous la forme de notebooks Jupyter à l’adresse suivante : https://github.com/ageron/handson-ml3
