robot deep learninbg
Dossiers
Robots, extraterrestres, IA, humains... qui aura le dernier mot ?
Ah, l'ère technologique ! Une époque où nos téléphones sont plus intelligents que nos animaux de compagnie, où nos montres peuvent nous dire combien de pas nous avons faits (comme si cela comptait vraiment après cette pizza quatre fromages) et où nos réfrigérateurs peuvent nous rappeler d'acheter du lait. Mais attendez, ce n'est pas tout !
L'intelligence artificielle au service du livre et de la lecture
On ignore si l’intelligence artificielle décidera d’écrire Guerre et Paix ou Les Misérables, mais les scientifiques y travaillent d’arrache-pied. L’évolution du livre et de l’édition passera par les travaux de chercheurs, qui demandent) des robots d’engloutir des livres... pour écrire de nouvelles histoires.
Octobre, mois de l'Imaginaire, la littérature de demain
Extraits
Informatique
Introduction au Deep Learning
Cet ouvrage s'adresse aux étudiants en fin de licence et en master d'informatique ou de maths appliquées, ainsi qu'aux élèves ingénieurs. L'apprentissage profond (deep learning) a révolutionné l'intelligence artificielle et s'est très rapidement répandu dans de nombreux domaines d'activité. Grâce à une approche "orientée projet", ce livre a pour but d'expliquer les bases du deep learning, depuis les réseaux de neurones à propagation avant jusqu'aux réseaux non supervisés. Conçu comme un manuel d'apprentissage synthétique, avec cours et exercices, il s'appuie sur des exemples dans des domaines comme la vision par ordinateur, la compréhension des langages naturels ou l'apprentissage par renforcement. Ces exemples sont étudiés avec le logiciel TensorFlow. Les notions théoriques sont illustrées et complétées par une quarantaine d'exercices, dont la moitié sont corrigés.
01/2021
Informatique
Intelligence artificielle vulgarisée. Le machine learning et le deep learning par la pratique
L'intelligence artificielle est aujourd'hui incontournable. Cependant, les approches pédagogiques réalisées par les ouvrages et sites internet dédiés à l'intelligence artificielle restent souvent complexes. Ce livre a pour objectif de présenter de façon simple et concrète la création de projets basés sur de l'intelligence artificielle en mettant de côté les formules mathématiques et statistiques décourageantes pour la plupart des novices. Il permet ainsi de rendre compréhensibles et applicables les concepts du Machine Learning et du Deep Learning à toute personne âgée de 15 à 99 ans ! La démarche proposée par cet ouvrage se veut progressive et l'auteur entremêle théorie et cas pratiques. Après une introduction à l'intelligence artificielle et aux craintes qu'elle suscite, deux chapitres proposent un bref rappel sur les fondamentaux du langage Python, sur des notions statistiques ainsi qu'une présentation des algorithmes du Machine Learning et de leur champ d'application. Le lecteur peut ensuite, grâce aux trois chapitres qui suivent, découvrir comment donner la faculté à sa machine de prédire des valeurs et de réaliser des classifications. Vient ensuite la découverte de l'apprentissage non supervisé puis de la classification de texte. Enfin, à travers trois chapitres successifs traitant des réseaux de neurones, le lecteur découvre comment les neurosciences ont eu un impact sur l'intelligence artificielle. L'ouvrage se termine par la réalisation de cas pratiques : un premier mêlant réseau de neurones et parole et un second relatif au premier chatbot.
09/2019
Langages informatiques
Python sans détour. De l'addition au deep learning
Apprenez à programmer en Python et à réaliser toutes sortes de manipulations courantes du simple calcul à la reconnaissance d'objets en passant par l'édition de vidéos ou l'annotation de cartes géographiques. Ce livre se veut à la fois accessible et efficace. Fondé sur la pratique et l'expérience de ses auteurs en matière d'enseignement du langage Python à des étudiants ou des lycéens, il présente un large panel de cas d'utilisation autour de sept thèmes : manipulation de documents, extraction d'informations issues du Web, calcul scientifique et tracé de courbes, traitement d'image, du son et de la vidéo, cartes géographiques et itinéraires, deep learning et interfaces graphiques. Une première partie passe en revue de manière synthétique toutes les notions requises en Python pour réaliser ces exemples. Les exemples ont été réalisés et testés avec les dernières versions de Python (3. 7 à 3. 10) et sont compatibles Windows, macOS et Linux. Les codes sources sont téléchargeables par les utilisateurs. Ce livre intéressera en particulier les étudiants, ainsi que les enseignants et élèves de lycées en spécialité informatique.
05/2022
Cuisine au robot
Top Robot-Cuiseur. Recettes compatibles tous robots
Cookeo®, Companion®, Cooking Chef®, Thermomix®, Monsieur Cuisine®... Des recettes claires pour chaque modèle, ajustées aux différentes commandes : suivez le guide ! Vous êtes fan de votre robot-cuiseur ? Vous voulez passer moins de temps en cuisine ? Marmiton a tout prévu : voici les 200 meilleures recettes du site spécialement réadaptées pour VOTRE robot ! Gaspacho, blanquette de veau, risotto, galette des rois, brownies, sauce béarnaise... plus rien ne vous résiste ! Et, bien sûr, des conseils et pleins d'astuces pour être au TOP avec votre robot.
07/2021
Informatique
Deep Learning avec Keras et TensorFlow. Mise en oeuvre et cas concrets, 2e édition
Cet ouvrage, conçu pour tous ceux qui souhaitent s'initier au deep learning (apprentissage profond), est la traduction de la deuxième partie du best-seller américain Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow (2e édition). Le deep learning est récent et il évolue vite. Ce livre en présente les principales techniques : les réseaux de neurones profonds, capables de modéliser toutes sortes de données, les réseaux de convolution, capables de classifier des images, les segmenter et découvrir les objets ou personnes qui s'y trouvent, les réseaux récurrents, capables de gérer des séquences telles que des phrases, des séries temporelles, ou encore des vidéos, les autoencodeurs qui peuvent découvrir toutes sortes de structures dans des données, de façon non supervisée, et enfin le reinforcement learning (apprentissage par renforcement) qui permet de découvrir automatiquement les meilleures actions pour effectuer une tâche (par exemple un robot qui apprend à marcher). Ce livre présente TensorFlow, le framework de deep learning créé par Google. Il est accompagné de notebooks Jupyter qui contiennent tous les exemples de code du livre, afin que le lecteur puisse facilement tester et faire tourner les programmes. Il complète un premier livre du même auteur intitulé Machine Learning avec Scikit-Learn.
05/2020
Algorithmes
Machine Learning et Deep Learning. Des bases à la conception avancée d'algorithmes (exemples en Python et en JavaScript)
Ce livre s'adresse à toute personne qui désire mieux comprendre et utiliser les algorithmes pour améliorer sa pratique de la programmation et notamment celle dédiée au Machine Learning ou au Deep Learning. L'auteur commence par parler de logique pour aider le lecteur dans sa compréhension des algorithmes classiques et des règles de programmation. Il sera ainsi armé pour étudier les bases propres à tout langage de programmation : les variables, les opérateurs, les conditions, les boucles, les fonctions... Dans la suite du livre, l'auteur détaille ce qui fait la spécificité, l'intérêt et la puissance des algorithmes dits intelligents, dédiés au Machine Learning ou au Deep Learning. Il donne au lecteur des exemples d'applications modernes et montre comment les utiliser concrètement. Enfin, cet ouvrage propose des exemples de problèmes d'algorithmiques courants et explique leurs résolutions. à l'issue de la lecture de ce livre, le lecteur sera en mesure de programmer efficacement dans n'importe quel langage. La plupart des algorithmes de ce livre sont traduits en Python et en JavaScript. Les sources, directement utilisables, sont disponibles en téléchargement sur le site www. editions-eni. fr.
07/2021
Tous les articles
