Apprentissage profond pour les codeurs avec fastai et PyTorch

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com L'apprentissage profond est souvent considéré comme le domaine exclusif des docteurs en mathématiques et des grandes entreprises technologiques. Mais comme le démontre ce guide pratique, les programmeurs à l'aise avec Python peuvent obtenir des résultats impressionnants en matière d'apprentissage profond avec peu de connaissances en mathématiques, de petites quantités de données et un minimum de code. Comment ? Avec fastai, la première bibliothèque à fournir une interface cohérente aux applications d'apprentissage profond les plus fréquemment utilisées. Les auteurs Jeremy Howard et Sylvain Gugger, les créateurs de fastai, te montrent comment entraîner un modèle sur un large éventail de tâches à l'aide de fastai et de PyTorch. Tu plongeras aussi progressivement dans la théorie du deep learning pour acquérir une compréhension complète des algorithmes en coulisses. Entraîne des modèles de vision artificielle, de traitement du langage naturel, de données tabulaires et de filtrage collaboratif. Apprends les dernières techniques d'apprentissage profond qui comptent le plus dans la pratique. Améliorer la précision, la vitesse et la fiabilité en comprenant comment fonctionnent les modèles d'apprentissage profond. Découvre comment transformer tes modèles en applications web Mettre en œuvre des algorithmes d'apprentissage profond en partant de zéro. Considère les implications éthiques de ton travail Profite de l'avant-propos du cofondateur de PyTorch, Soumith Chintala.