Guide pour exploiter l'ensemble des possibilités offertes par l'accès à la bibliothèque de machine learning open source TensorFlow de Google à JavaScript afin de développer des modèles d'apprentissage machine dans un navigateur. ©Electre 2024
Deep Learning avec JavaScript
L'exécution d'applications de deep learning dans le navigateur ou sur des backends basés sur Node ouvre des possibilités passionnantes pour créer des applications Web intelligentes. Avec la bibliothèque TensorFlow.js, vous construirez et vous entraînerez des modèles de deep learning avec JavaScript. Avec une évolutivité, une modularité et une réactivité sans compromis en termes de qualité de production, TensorFlow.js brille par sa portabilité. Ses modèles fonctionnent partout où JavaScript fonctionne, poussant ainsi l'apprentissage automatique dans de nouveaux modèles d'application.
Dans ce livre, vous apprendrez à utiliser TensorFlow.js pour construire des modèles d'apprentissage profond qui s'exécutent directement dans le navigateur. Ce livre au rythme soutenu, écrit par des ingénieurs de Google, est un ouvrage pratique, engageant et facile à suivre. S'appuyant sur de nombreux exemples comme l'analyse de texte, le traitement de la parole, la reconnaissance d'image ou encore l'auto-apprentissage d'un jeu, il vous montrera comment maîtriser toutes les bases du deep learning. Par la suite, vous explorerez des concepts avancés, comme le réemploi de modèles existants pour l'apprentissage par transfert ou la génération d'images.
Pour les programmeurs JavaScript intéressés par le deep learning.
Paru le : 24/09/2020
Thématique : Langages de programmation
Auteur(s) : Auteur : Shanqing Cai Auteur : Stanley Bileschi Auteur : Eric D. Nielsen
Éditeur(s) :
First interactive
Collection(s) : Non précisé.
Contributeur(s) : Collaborateur : François Chollet - Préfacier : Nikhil Thorat - Préfacier : Daniel Smilkov - Traducteur : Daniel Rougé
Série(s) : Non précisé.
ISBN : 978-2-412-05828-2
EAN13 : 9782412058282
Reliure : Broché
Pages : VIII-546
Hauteur: 24.0 cm / Largeur 19.0 cm
Épaisseur: 3.4 cm
Poids: 1115 g
Carte fidélité
Mollat Radio
