Le domaine de l’intelligence artificielle s’est beaucoup développé et a engendré plusieurs disciplines qui méritent leur propre attention. Le Deep Learning est un sous-ensemble de l’intelligence artificielle, qui dirige un ordinateur pour effectuer des tâches de classification directement à partir de textes, d’images ou de sons. Le Deep Learning est également une forme spécialisée de Machine Learning. C’est l’un des domaines les plus populaires dans l’espace de l’intelligence artificielle. Le Deep Learning a ses applications dans les domaines de la conduite automatisée, de la reconnaissance d’images, de l’agrégation de nouvelles et de la détection des fraudes, du traitement du langage naturel, des assistants virtuels, des médias et du divertissement, de la santé, de la sécurité, etc. Le Deep Learning est aussi une formation que propose GOMYCODE.

Il existe désormais plusieurs bons livres disponibles pour ceux qui aspirent à comprendre et maîtriser le Deep Learning. Voici une sélection que vous propose Gomytech:

Deep Learning with Python par François Chollet

Il est destiné aux développeurs débutants et intermédiaires. Il couvre largement la mise en œuvre d’un réseau de neurones. Il est structuré autour d’une série d’exemples de codes pratiques, qui permet d’illustrer chaque nouveau concept et de démontrer les meilleures pratiques. C’est un bon livre pour maîtriser le Deep Learning en utilisant Keras. À la fin de ce livre, vous deviendrez un expert Keras et pourrez appliquer le Deep Learning dans vos projets.

Deep Learning, par Ian Goodfellow, Yoshua Bengio et Aaron Courville

Ce manuel académique de niveau collégial couvre les principes fondamentaux du Deep Learning et est destiné à aider ceux qui sont complètement nouveaux dans le domaine. Les auteurs, qui sont des leaders dans leur domaine, soulignent l’importance d’acquérir des connaissances sur des concepts mathématiques comme l’algèbre linéaire et les probabilités pour mieux comprendre le fonctionnement du Deep Learning, au-delà du simple codage. Ce livre explique également les concepts du Deep Learning qui sont largement utilisés dans l’industrie, la modélisation de séquence et la reconnaissance vocale.

Neural Networks and Deep Learning, par Michael Nielsen

Ce livre gratuit en ligne couvre le paradigme de programmation des réseaux de neurones inspirés du cerveau humain et aide à relier les points entre ces réseaux et le Deep Learning. Considéré comme l’un des meilleurs livres sur les réseaux de neurones, Neural Networks and Deep Learning adopte une approche théorique du sujet pour illustrer comment il peut aider à résoudre les problèmes courants entourant la reconnaissance de la parole et des images, ainsi que le traitement du langage naturel.

Alors que le livre présente les mathématiques avancées derrière ces concepts d’apprentissage profond, Nielsen fournit également un guide pour vous aider à le comprendre et des résumés de chaque chapitre qui omettent les mathématiques. Étant donné qu’il est gratuit et très apprécié, il s’agit d’une excellente ressource pour les nouveaux arrivants dans le domaine du Deep Learning.

Quand la machine apprend: La révolution des neurones artificiels et de l’apprentissage profond, de Yann Le Cun

Yann Le Cun est l’un des inventeurs du Deep Learning. Chercheur en intelligence artificielle et vision artificielle, il travaille dessus depuis 1980. Scientifique reconnu, il obtient même le prix Turing en 2019 pour ses recherches.

Dans son livre “Quand la machine apprend: La révolution des neurones artificiels et de l’apprentissage profond”, Yann Le Cum explique le cheminement intellectuel qui l’a mené dans ses recherches sur le Deep Learning et nous éclaire sur l’avenir de l’intelligence artificielle, ses enjeux, ses promesses et ses risques. Comme l’explique la maison d’édition qui l’a publié, ce livre est “passionnant, clair et accessible, qui nous fait pénétrer au coeur de la machine et nous fait découvrir un nouveau monde fascinant, qui est déjà le nôtre”.