Utilisez Keras et Tensorflow pour un apprentissage approfondi pratique dans le cloud, le mobile et la périphérie.critique de livre

Apprentissage profond pratique pour le cloud, le mobile et la périphérie. Projets réels d’intelligence artificielle et de vision par ordinateur utilisant Python, Keras et Tensorflow. Un autre excellent livre pour un apprentissage approfondi pratique avec des projets de science des données réels et sympas. Ce livre est le matériel parfait : 1. Développeurs de logiciels mobiles back-end/front-end 2. Scientifiques des données 3. Étudiants 4. Enseignants 5. Les amateurs de robots renvoient à ce livre sur Amazon : Livre de contenu : #1. Explorez le domaine de l’intelligence artificielle #2. Contenu dans l’image : utilisez Keras #3 pour la classification des images. Chats et chiens : utilisez Keras n° 4 pour un apprentissage par transfert sur 30 lignes. Construire un moteur de recherche d’images inversées : comprendre l’intégration #5. De novice à prédicteur : maximiser la précision des réseaux de neurones convolutifs #6. Maximiser la vitesse et les performances de TensorFlow : une liste de contrôle pratique n°7. Outils utiles, trucs et astuces #8. API Cloud pour la vision par ordinateur : opérationnel #9 en 15 minutes. Utilisez TensorFlow Serving et KubeFlow #10 pour fournir des services d’inférence évolutifs sur le cloud. AI dans le navigateur avec TensorFlow.js et ml5.js #11. Utilisez Core ML #12 pour la classification d’objets en temps réel sur iOS. Pas Hotdog sur iOS avec Core ML et Create ML #13. Shazam for Food : utilisez TensorFlow Lite et le kit ML n°14 pour développer des applications Android. Utilisez l’API de détection d’objets TensorFlow pour créer l’application de détection de chat parfaite et devenir Maker : Exploring Embedded AI at the Edge #15. Devenez un créateur : explorez l’IA intégrée à la périphérie #16. Utilisez l’apprentissage en profondeur de bout en bout de Keras #17 pour simuler des voitures autonomes. Construisez une voiture autonome en une heure : Reinforcement Learning with AWS DeepRacer Lien Github vers ce livre : Le point le plus excitant de ce livre pour moi personnellement est que vous apprendrez : – Comment travailler pour iOS et Android, – Comment utilisez Raspberry Pi pour les robots et connectez des modèles d’IA avec des appareils et du matériel. -Meilleures pratiques en matière d’intelligence artificielle, d’apprentissage profond et d’apprentissage automatique des leaders de l’industrie de l’intelligence artificielle. -Comment connecter un modèle d’apprentissage profond simple au cloud, tel qu’Amazon Web Services (AWS). -Comment rendre les applications et les solutions d’IA efficaces sans beaucoup d’opérations mathématiques. Dans mes projets quotidiens de science des données, je combine ce livre avec un autre livre : Machine Learning Practices d’Aurelien Geron et Scikit-Learn, Keras et Tensorflow (concepts, outils et techniques pour construire des systèmes intelligents). Lien de commentaire : J’aime les livres de science des données d’O’Reilly, c’est l’un des meilleurs de ma collection. #mlbook #deeplearningbook #edgedevices.