L'apprentissage profond / Ian Goodfellow, Yoshua Bengio, Aaron Courville ; préfacé par Francis Bach ; traduit par Fabien Navarro,... Salima El Kolei,... Benjamin Guedj... [et al.]

Autres contributions : Christophe Chesneau, Nicolas Bousquet (traducteurs)

Bibliogr. p. 707-753. Index

« Hello Dave, you’re looking well today ». C’est en ces termes que s’exprime l’ordinateur du vaisseau de "2001 l’Odyssée de l’Espace" de Stanley Kubrick. Cette scène de 1968 fait désormais partie de notre quotidien : les assistants virtuels, la reconnaissance faciale, la traduction automatique, et bientôt les voitures autonomes sont autant d’applications de l’Intelligence Artificielle connexionniste portés par les réseaux de neurones et l’apprentissage profond (deep learning). Cette forme d’apprentissage automatique permet à l’ordinateur d’apprendre par l’expérience sans qu’un humain lui spécifie formellement toutes les connaissances nécessaires. Ce processus lui permet alors de comprendre le monde et les concepts complexes qui le composent en les rapportant à une hiérarchie de briques élémentaires. Cet ouvrage présente un contexte mathématique et conceptuel pour l’apprentissage profond, couvrant les fondations de l’algèbre linéaire, de la théorie des probabilités et de l’information, du calcul numérique et de l’apprentissage automatique. Il offre également des perspectives de recherche, couvrant des sujets théoriques tels que les auto-encodeurs, l’apprentissage de représentation, les modèles probabilistes structurés, la fonction de partition, l’inférence approximative et les modèles génératifs profonds. Ce texte de référence peut être notamment utilisé par des étudiants en cycles supérieurs d’industrie ou la recherche, et par des ingénieurs logiciel qui veulent intégrer l’apprentissage profond dans leurs produits ou plateformes. Il est le premier au monde à faire l’objet d’une traduction automatique fondée sur de l’apprentissage profond à partir d'un outil proposé par DeepL GmbH. [Cit. 4e de couverture]