Introduction to Deep Learning

Ce manuel présente une introduction concise, accessible et engageante à l'apprentissage profond, offrant une large gamme de modèles connexionnistes qui représentent l'état actuel de l'art. Le texte explore les algorithmes et architectures les plus populaires dans un style simple et intuitif, en expliquant les dérivations mathématiques de manière progressive. La couverture du contenu inclut les réseaux de convolution, les LSTM, Word2vec, les RBM, les DBN, les machines de Turing neuronales, les réseaux de mémoire et les autoencodeurs. De nombreux exemples en code Python fonctionnel sont fournis tout au long du livre, et le code est également fourni séparément. Les sujets et caractéristiques incluent une introduction aux fondamentaux de l'apprentissage automatique, ainsi que les prérequis mathématiques et computationnels pour l'apprentissage profond ; une discussion sur les réseaux neuronaux à propagation avant, et une exploration des modifications qui peuvent être appliquées à tout réseau neuronal.