À propos

« Hello Dave, you’re looking well today ».
C’est en ces termes qu’en 1968, HAL9000, l’ordinateur embarqué du vaisseau de 2001 l’Odyssée de l’Espace (Stanley Kubrick), s’exprime en langage naturel dans un scénario qui fait désormais partie de notre vie quotidienne. 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 (machine learning) 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 fondements de l’algèbre linéaire, de théorie des probabilités, de théorie de l’information, du calcul numérique et de l’apprentissage automatique. Il décrit les techniques utilisées par les praticiens dans l’industrie, y compris les réseaux de rétroaction en profondeur, la régularisation, les algorithmes d’optimisation, les réseaux convolutionnels, la modélisation de séquences et la méthodologie pratique. Et il les illustre par des applications telles que le traitement du langage naturel, la reconnaissance vocale, la vision par ordinateur, les systèmes de recommandation en ligne, la bio-informatique et les jeux vidéo. Enfin, l’ouvrage offre des perspectives de recherche, couvrant des sujets théoriques tels que les modèles factoriels linéaires, les auto-encodeurs, l’apprentissage de représentation, les modèles probabilistes structurés, les méthodes de Monte Carlo, 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 planifiant des carrières dans l’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 de l’outil proposé par DeepL GmbH. Les principaux traducteurs ont élaboré un programme informatique permettant de gérer l’intégralité des spécificités du texte source. Ce travail de traduction a été complété par des relectures et corrections additionnelles d’une équipe de Quantmetry, société spécialisée en Intelligence Artificielle.

Ils parlent de ce livre...

« Rédigé par trois experts dans le domaine, L’Apprentissage profond est le seul livre complet sur le sujet. Cet ouvrage de référence fournit une vision d’ensemble et les prérequis mathématiques indispensables aux ingénieurs logiciel et étudiants qui se lancent dans ce domaine. » 

Elon Musk

co-président d’OpenAI

co-fondateur et PDG de Tesla et SpaceX

Une traduction française proposée par Quantmetry et les éditions Florent Massot.

Préfacée par Francis Bach.

Traducteurs​

Fabien Navarro (ENSAI)

Salima El Kolei (ENSAI)

Benjamin Guedj (Inria)

Christophe Chesneau (Université Caen)

Nicolas Bousquet (Quantmetry & Sorbonne Université)

et le support d'une équipe de Quantmetry

Avec le soutien de DeepL GmbH