Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Le deep learning avec TensorFlow/Keras
ENI - EAN : 9782409052835
Édition papier
EAN : 9782409052835
Paru le : 18 févr. 2026
45,00 €
42,65 €
Bientôt disponible
Pour connaître votre prix et commander, identifiez-vous
A paraître 18 févr. 2026
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9782409052835
- Réf. éditeur : EITENSORFLOW
- Collection : EXPERT IT
- Editeur : ENI
- Date Parution : 18 févr. 2026
- Disponibilite : Pas encore paru
- Barème de remise : NS
- Nombre de pages : 450
- Format : H:216 mm L:178 mm E:22 mm
- Poids : 750gr
-
Résumé :
Cet ouvrage a pour objectif d’accompagner ingénieurs, scientifiques et étudiants dans l’apprentissage pratique du deep learning avec TensorFlow/Keras, les outils de Google dédiés à la création d’applications d’apprentissage machine. Destiné à tous ceux qui souhaitent comprendre et maîtriser ces technologies, il propose une démarche progressive alliant théorie et mise en pratique, accessible dès lors que l’on connaît les bases du langage Python. Chaque concept est illustré par des exemples concrets avec 42 programmes téléchargeables, facilement testables en ligne via Google Colab (aucun logiciel à installer).
Le premier chapitre replace le deep learning parmi les grandes familles de techniques d’intelligence artificielle. Les trois suivants introduisent les réseaux de neurones et plus spécifiquement le perceptron multicouche, dont le fonctionnement est détaillé avant la création d’un modèle de reconnaissance de chiffres manuscrits. Ce programme est ensuite amélioré pas à pas pour devenir une application interactive capable d’identifier des chiffres dessinés à l’écran.
Les chapitres suivants présentent les réseaux convolutifs, incontournables pour le traitement d’images. Le lecteur y découvre leurs principes (calcul de convolution, pooling) et leur mise en œuvre avec TensorFlow/Keras à travers plusieurs modèles de référence (LeNet-5, AlexNet, Inception), jusqu’à la reconnaissance d’objets via webcam selon les 1000 catégories d’ImageNet.
Enfin, les derniers chapitres abordent l’optimisation des pipelinesde données, l’augmentation d’images et l’apprentissage par transfert, illustré avec le réseau MobileNet V2 et un projet de classification de 45 espèces de mammifères.
