Little Book of Deep Learning [PDF de 143 p.]

• Un ouvrage d’introduction au deep learning du professeur François Fleure, mis en page pour être agréable à lire sur le petit écran d’un appareil mobile

I. Fondamentaux

1. Apprentissage automatique
   1.1 Apprendre à partir des données
   1.2 Régression par fonctions de base
   1.3 Sous-apprentissage et surapprentissage
   1.4 Catégories de modèles
2. Calcul efficace
   2.1 GPU, TPU et lots
   2.2 Tenseurs
3. Entraînement
   3.1 Fonctions de perte
   3.2 Modèles autorégressifs
   3.3 Descente de gradient
   3.4 Rétropropagation
   3.5 Protocoles d’entraînement
   3.6 Données d’entraînement

II. Modèles profonds

4. Composants des modèles
   4.1 La notion de couche
   4.2 Couches linéaires
   4.3 Fonctions d’activation
   4.4 Pooling
   4.5 Dropout
   4.6 Couches de normalisation
   4.7 Skip connections
   4.8 Couches d’attention
   4.9 Embedding de tokens
   4.10 Encodage positionnel
5. Architectures
   5.1 Perceptrons multicouches
   5.2 Réseaux convolutionnels
   5.3 Modèles d’attention

III. Applications

6. Prédiction
   6.1 Débruitage d’image
   6.2 Classification d’images
   6.3 Détection d’objets
   6.4 Segmentation sémantique
   6.5 Reconnaissance vocale
   6.6 Représentations texte-image
7. Synthèse
   7.1 Génération de texte
   7.2 Génération d’images

[readiz]

Ma liste d’attente ne fait que s’allonger. lol

[yinn27]

Merci.

[ryudaewan]

Vu mon âge, la presbytie s’est installée depuis un moment déjà, alors rien que le fait que les caractères soient grands, c’est vraiment appréciable ^^

[pugh123]

Merci pour cette excellente ressource.