d2l en

Site de réservation | Cours STAT 157 à l'UC Berkeley

La meilleure façon de comprendre l’apprentissage profond est d’apprendre par la pratique.

Ce livre open source représente notre tentative de rendre l'apprentissage profond accessible, en vous enseignant les concepts, le contexte et le code. L'intégralité du livre est rédigée dans des cahiers Jupyter, intégrant de manière transparente des figures d'exposition, des mathématiques et des exemples interactifs avec un code autonome.

Notre objectif est d'offrir une ressource qui pourrait

1. être librement accessible à tous ;
2. offrir une profondeur technique suffisante pour fournir un point de départ sur la voie permettant de devenir réellement un scientifique en apprentissage automatique appliqué ;
3. inclure du code exécutable, montrant aux lecteurs comment résoudre les problèmes dans la pratique ;
4. permettre des mises à jour rapides, tant par nous que par la communauté dans son ensemble ;
5. être complété par un forum pour discuter de manière interactive des détails techniques et répondre aux questions.

Universités utilisant D2L

Si vous trouvez ce livre utile, veuillez mettre en vedette (★) ce référentiel ou citer ce livre en utilisant l'entrée bibtex suivante :

 @book{zhang2023dive,
    title={Dive into Deep Learning},
    author={Zhang, Aston and Lipton, Zachary C. and Li, Mu and Smola, Alexander J.},
    publisher={Cambridge University Press},
    note={url{https://D2L.ai}},
    year={2023}
}

Approbations

« En moins d'une décennie, la révolution de l'IA s'est propagée des laboratoires de recherche aux grandes industries et à tous les coins de notre vie quotidienne. Dive into Deep Learning est un excellent texte sur l'apprentissage profond et mérite l'attention de tous ceux qui veulent savoir pourquoi l'apprentissage profond a a déclenché la révolution de l’IA : la force technologique la plus puissante de notre époque. »

— Jensen Huang, fondateur et PDG, NVIDIA

"Il s'agit d'un livre d'actualité et fascinant, offrant non seulement un aperçu complet des principes de l'apprentissage profond, mais également des algorithmes détaillés avec un code de programmation pratique, et, en outre, une introduction de pointe à l'apprentissage profond en vision par ordinateur et traitement du langage naturel. Plongez dans ce livre si vous souhaitez vous plonger dans l'apprentissage profond ! »

— Jiawei Han, professeur titulaire de la chaire Michael Aiken, Université de l'Illinois à Urbana-Champaign

« Il s'agit d'un ajout très bienvenu à la littérature sur l'apprentissage automatique, avec un accent sur l'expérience pratique mise en œuvre via l'intégration de notebooks Jupyter. Les étudiants en apprentissage profond devraient trouver cela inestimable pour devenir compétents dans ce domaine.

— Bernhard Schölkopf, directeur de l'Institut Max Planck pour les systèmes intelligents

« Dive into Deep Learning offre un excellent équilibre entre apprentissage pratique et explication approfondie. Je l'ai utilisé dans mon cours d'apprentissage profond et je le recommande à tous ceux qui souhaitent développer une compréhension approfondie et pratique de l'apprentissage profond. »

— Colin Raffel, professeur adjoint, Université de Caroline du Nord, Chapel Hill

Contribuer (apprendre comment)

Ce livre open source a bénéficié de suggestions pédagogiques, de corrections de fautes de frappe et d'autres améliorations de la part des contributeurs de la communauté. Votre aide est précieuse pour rendre le livre meilleur pour tout le monde.

Chers contributeurs de D2L, veuillez envoyer votre identifiant GitHub et votre nom à d2lbook.en AT gmail DOT com afin que votre nom apparaisse sur les remerciements. Merci.

Résumé de la licence

Ce livre open source est mis à disposition sous la licence internationale Creative Commons Attribution-ShareAlike 4.0. Voir le fichier LICENCE.

L'exemple et le code de référence contenus dans ce livre open source sont mis à disposition sous une licence MIT modifiée. Voir le fichier LICENSE-SAMPLECODE.

Version chinoise | Discuter et signaler les problèmes | Code de conduite