Deep learning avec TensorFlow : mise en ouvre et cas concrets

Le Deep Learning (apprentissage profond) est un ensemble de techniques avancées du Machine Learning qui reposent principalement sur les réseaux de neurones. Le Deep Learning estau coeur des avancées extraordinaires en intelligence artificielle que l'on a pu observer ces dernières années : reconnaissance de la voix ou des visages, voitures autonomes, traduction automatique, etc. Le Deep Learning est récent et il évolue vite. 

Ce livre en présente les principales techniques : les réseaux de neurones profonds, capables de modéliser toutes sortes de données, les réseaux de convolution, capables de classifier des images, les segmenter et découvrir les objets ou personnes qui s'y trouvent, les réseaux récurrents, capables de gérer des séquences telles que des phrases, des séries temporelles, ou encore des vidéos, les Autoencoders qui peuvent découvrir toutes sortes de structures dans des données, de façon non supervisée, et enfin le Reinforcement Learning (apprentissage par renforcement) qui permet de découvrir automatiquement les meilleures actions pour effectuer une tâche (par exemple un robot qui apprend à marcher). 

Ce livre présente TensorFlow, le framework de Deep Learning open source créé et utilisé par Google. Il est accompagné de Jupyter notebooks (disponibles sur github) qui contiennent tous les exemples de code du livre, afin que le lecteur puisse facilement tester et faire varier les programmes pour mettre en oeuvre ses connaissances.