Deep Learning avec Keras et TensorFlow : Mise en œuvre et cas concrets / Aurélien GÉRON

Titre : Deep Learning avec Keras et TensorFlow : Mise en œuvre et cas concrets Type de document : texte imprimé Auteurs : Aurélien GÉRON, Auteur Mention d'édition : 3e éd. Editeur : Dunod Année de publication : 2024 Importance : 610 p. ISBN/ISSN/EAN : 978-2-10-084769-3 Note générale : Table des matières Avant-propos Le mot de la fin Annexes Index Catégories : Apprentissage automatique Apprentissage par renforcement (intelligence artificielle) Apprentissage profond Réseaux neuronaux (informatique) TensorFlow (logiciel) Index. décimale : 006.3 Intelligence artificielle Résumé : Les fondamentaux du Machine Learning Introduction aux réseaux de neurones artificiels avec Keras Entraînement de réseaux de neurones profonds Modèles personnalisés et entraînement avec TensorFlow Chargement et prétraitement de données avec TensorFlow Vision par ordinateur et réseaux de neurones convolutifs Traitement des séquences avec des RNN et des CNN Traitement automatique du langage naturel avec les RNN et les attentions Autoencodeurs, GAN et modèles de diffusion Apprentissage par renforcement Entraînement et déploiement à grande échelle de modèles TensorFlow

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00011670	006.3 GER	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Sorti jusqu'au 15/05/2026

Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems / Aurélien GÉRON

Titre : Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems Type de document : texte imprimé Auteurs : Aurélien GÉRON, Auteur Mention d'édition : 3rd edition Editeur : O'Reilly Media Inc. Année de publication : 2022 Importance : 834 p. ISBN/ISSN/EAN : 978-1-09-812597-4 Note générale : Table of Contents Preface Appendices Index About the Author Colophon Catégories : Apprentissage automatique Apprentissage par renforcement (intelligence artificielle) Intelligence artificielle Python (langage de programmation) Réseaux neuronaux (informatique) Scikit-Learn (logiciel) TensorFlow (logiciel) Index. décimale : 006.3 Intelligence artificielle Résumé : THE FUNDAMENTALS OF MACHINE LEARNING The Machine Learning Landscape End-to-End Machine Learning Project Classification Training Models Support Vector Machines Decision Trees Ensemble Learning and Random Forests Dimensionality Reduction Unsupervised Learning Techniques NEURAL NETWORKS AND DEEP LEARNING Introduction to Artificial Neural Networks with Keras Training Deep Neural Networks Custom Models and Training with TensorFlow Loading and Preprocessing Data with TensorFlow Deep Computer Vision Using Convolutional Neural Networks Processing Sequences Using RNNs and CNNs Natural Language Processing with RNNs and Attention Autoencoders, GANs, and Diffusion Models Reinforcement Learning Training and Deploying TensorFlow Models at Scale

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00011584	006.3 GER	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Sorti jusqu'au 15/05/2026

Machine Learning with PyTorch and Scikit-Learn: Develop Machine Learning and Deep Learning Models with Python / Sebastian RASCHKA

Titre : Machine Learning with PyTorch and Scikit-Learn: Develop Machine Learning and Deep Learning Models with Python Type de document : texte imprimé Auteurs : Sebastian RASCHKA, Auteur ; Yuxi (Hayden) LIU, Auteur ; Vahid MIRJALILI, Auteur Editeur : Birmingham : Packt Publishing Année de publication : 2022 Importance : 741 p. ISBN/ISSN/EAN : 978-1-80181-931-2 Note générale : Foreword Contributors Table of Contents Preface Other Books You May Enjoy Index Catégories : Apprentissage automatique Apprentissage par renforcement (intelligence artificielle) Intelligence artificielle Python (langage de programmation) Réseaux neuronaux (informatique) Scikit-Learn (logiciel) Index. décimale : 006.3 Intelligence artificielle Résumé : Giving Computers the Ability to Learn from Data Training Simple Machine Learning Algorithms for Classification A Tour of Machine Learning Classifiers Using Scikit-Learn Building Good Training Datasets - Data Preprocessing Compressing Data via Dimensionality Reduction Learning Best Practices for Model Evaluation and Hyperparameter Tuning Combining Different Models for Ensemble Learning Applying Machine Learning to Sentiment Analysis Predicting Continuous Target Variables with Regression Analysis Working With Unlabeled Data - Clustering Analysis Implementing a Multiplayer Artificial Neural Network from Scratch Parallelizing Neural Network Training With PyTorch Going Deeper - The Mechanics of PyTorch Classifying Images with Deep Convolutional Neural Networks Modeling Sequential Data Using Recurrent Neural Networks Transformers - Improving Natural Language Processing with Attention Mechanisms Generative Adversarial Networks for Synthesizing New Data Graph Neural Networks for Capturing Dependencies in Graph Structured Data Reinforcement Learning for Decision Making in Complex Environments

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00011590	006.3 RAS	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Sorti jusqu'au 15/05/2026

Ordonnancer le trafic dans des réseaux déterministes grâce à l’apprentissage par renforcement / Adrien ROBERTY  

Titre : Ordonnancer le trafic dans des réseaux déterministes grâce à l’apprentissage par renforcement Type de document : thèse Auteurs : Adrien ROBERTY, Auteur ; Annie CHOQUET-GENIET, Directeur de thèse ; Frédéric RIDOUARD, Directeur de thèse ; Siwar BEN HADJ SA­ÏD, Directeur de thèse ; Henri BAUER, Directeur de thèse ; LIAS UR 20299 UP-ENSIP / ISAE-ENSMA, Commanditaire ; Katia JAFFRÈS-RUNSER, Rapporteur ; Abdelmadjid BOUABDALLAH, Rapporteur ; Nicolas NAVET, Examinateur ; Mireille SARKISS, Examinateur Importance : 111 p. Note générale : NNT 2024ESMA0001 Résumé Mots clés Remerciements Acronymes Symboles Sommaire Liste des tableaux liste des figures Introduction générale Bibliographie Glossaire Table des matières Résumé Mots clés Catégories : Apprentissage par renforcement (intelligence artificielle) Apprentissage profond Industrie 4.0 Intelligence artificielle Ordonnancement (informatique) Temps réel (informatique) Résumé : CONTEXTE TECHNOLOGIQUE Les délais de bout en bout Time-Sensitive Networking Apprentissage automatique Apprentissage par renforcement État de l'art CONTRIBUTIONS Introduction aux contributions Configurer le TAS de manière indentique Configurer le TAS de manière individuelle CONCLUSION GÉNÉRALE ET PERSPECTIVES En ligne : https://theses.hal.science/tel-04634443

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
TH-24 ROB	ROB	Numérique	Thèses ISAE-ENSMA en ligne	Thèses	Exclu du prêt

Reinforcement Learning Algorithms : Analysis and Applications / Boris BELOUSOV

Titre : Reinforcement Learning Algorithms : Analysis and Applications Type de document : texte imprimé Auteurs : Boris BELOUSOV, Éditeur scientifique ; Hany ABDULSAMAD, Éditeur scientifique ; Pascal KLINK, Éditeur scientifique ; Simone PARISI, Éditeur scientifique ; Jan PETERS, Éditeur scientifique Mention d'édition : 1st ed. 2021 Editeur : Springer International Publishing Importance : 206 p. ISBN/ISSN/EAN : 978-3-030-41190-9 Note générale : Preface Contents Catégories : Apprentissage par renforcement (intelligence artificielle) Tags : Computational Intelligence  Artificial Intelligence Index. décimale : 006.3 Intelligence artificielle Résumé : Biology, Reward, Exploration Information Geometry in Reinforcement Learning Model-Free Reinforcement Learning and Actor-Critic Methods Model-Based Learning and Control

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00014826	006.3 BEL	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Disponible

Reinforcement Learning: An Introduction / Richard S. SUTTON

Titre : Reinforcement Learning: An Introduction Type de document : texte imprimé Auteurs : Richard S. SUTTON ; Andrew G. BARTO Mention d'édition : Second edition Editeur : The MIT Press Année de publication : 2020 Importance : 526 p. ISBN/ISSN/EAN : 978-0-262-03924-6 Note générale : Contents Prefaces Summary of Notation Introduction References Index Catégories : Apprentissage automatique Apprentissage par renforcement (intelligence artificielle) Intelligence artificielle Machines logiques Index. décimale : 006.3 Intelligence artificielle Résumé : TABULAR SOLUTION METHODS Multi-Armed Bandits Finite Markov Decision Processes Dynamic Programming Monte Carlo Methods Temporal-Difference Learning n-Step Bootstrapping Planning and Learning with Tablar Methods APPROXIMATE SOLUTION METHODS On-Policy Prediction with Approwimation On-Policy Control with Approximation *Off-Policy Methods with Approximation Eligibility Traces Policy Gradient Methods LOOKING DEEPER Psychology Neuroscience Applications and Case Studies Frontiers

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00014572	006.3 SUT	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Disponible

Réseau social anonyme de confiance dédié aux applications communautaires du futur : une approche guidée par le capital social / Chayma SELLAMI  

Titre : Réseau social anonyme de confiance dédié aux applications communautaires du futur : une approche guidée par le capital social Type de document : thèse Auteurs : Chayma SELLAMI, Auteur ; Allel HADJALI, Directeur de thèse ; Mickaël BARON, Directeur de thèse ; Mounir BECHCHI, Directeur de thèse ; Stéphane JEAN, Directeur de thèse ; LIAS UR 20299 UP-ENSIP / ISAE-ENSMA, Commanditaire ; Salima BENBERNOU, Rapporteur ; Richard CHBEIR, Rapporteur ; Djamal BENSLIMANE, Examinateur Importance : 168 p. Note générale : NNT 2022ESMA0024 Remerciements Table des matières Liste des figures Liste des tableaux Introduction générale Bibliographie Résumé Mots clés Catégories : Apprentissage par renforcement (intelligence artificielle) Confiance numérique Identité numérique Intelligence computationnelle Logique floue Processus décisionnels de Markov relationnels Réseaux anonymes (informatique) Réseaux sociaux (internet) Statistique bayésienne Systèmes de recommandation (informatique) Résumé : ÉTAT DE L'ART Réseaux sociaux et anonymat Confiance : modélisation, typologie et calcul Systèmes de recommandation : un aperçu CONTRIBUTIONS Un modèle basé sur l'apprentissage hybride pour la recommandation Un cadre unifié pour la gestion de la confiance Recommandation du modèle computationnel de confiance : une approche guidée par les besoins métiers CONCLUSION GÉNÉRALE En ligne : https://tel.archives-ouvertes.fr/tel-03967427

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
TH-22 SEL	SEL	Numérique	Thèses ISAE-ENSMA en ligne	Thèses	Exclu du prêt

---

1 (1 - 7 / 7) Par page : 25 50 100 200