Hands On Python Deep Learning for Web

Apprentissage en profondeur python pratique pour le Web

Ceci est le référentiel de code pour l'apprentissage en profondeur python pratique pour le Web par Anubhav Singh et Sayak Paul, publié par Packt.

Intégration des architectures de réseau neuronal pour créer des applications Web intelligentes avec Flask, Django et TensorFlow

De quoi parle ce livre?

Lorsqu'ils sont utilisés efficacement, les techniques d'apprentissage en profondeur peuvent vous aider à développer des applications Web intelligentes. Dans ce livre, vous couvrirez les derniers outils et pratiques technologiques utilisées pour mettre en œuvre un apprentissage en profondeur dans le développement Web à l'aide de Python. À partir des principes fondamentaux de l'apprentissage automatique, vous vous concentrerez sur DL et les bases des réseaux de neurones, y compris les variantes communes telles que les réseaux de neurones convolutionnels (CNN). Vous apprendrez à les intégrer dans des sites Web avec les fronts de différentes piles de technologie Web standard. Le livre vous aide ensuite à acquérir une expérience pratique pour développer une application Web compatible en profondeur à l'aide de bibliothèques Python telles que Django et Flask en créant des API RESTful pour des modèles personnalisés. Plus tard, vous explorerez comment configurer un environnement cloud pour les déploiements Web basés sur l'apprentissage en profondeur sur Google Cloud et Amazon Web Services (AWS).

Ce livre couvre les fonctionnalités passionnantes suivantes:

• Explorez les modèles d'apprentissage en profondeur et implémentez-les dans votre navigateur
• Concevoir un client Web intelligent à l'aide de Django et Flask
• Travaillez avec différentes API basées sur Python pour effectuer des tâches d'apprentissage en profondeur
• Implémentez les modèles de réseau de neurones populaires avec Tensorflow.js
• Concevoir et créer des services Web profonds sur le cloud en utilisant l'apprentissage en profondeur

Si vous pensez que ce livre est pour vous, obtenez votre copie dès aujourd'hui!

Instructions et navigations

Tout le code est organisé en dossiers. Par exemple, Chapitre02.

Le code ressemblera à ce qui suit:

 if (test expression)
{
  Statement upon condition is true
}

Voici ce dont vous avez besoin pour ce livre: ce livre d'apprentissage en profondeur est pour les scientifiques des données, les praticiens de l'apprentissage automatique et les ingénieurs d'apprentissage en profondeur qui cherchent à effectuer des techniques et des méthodologies d'apprentissage en profondeur sur le Web. Vous trouverez également ce livre utile si vous êtes un développeur Web qui souhaite implémenter des techniques intelligentes dans le navigateur pour la rendre plus interactive. La connaissance pratique du langage de programmation Python et des techniques d'apprentissage automatique de base sera bénéfique.

Avec la liste de logiciels et de matériel suivants, vous pouvez exécuter tous les fichiers de code présents dans le livre (chapitre 1-12).

Liste des logiciels et du matériel

Chapitre	Logiciel requis	OS requis
1-12	Distribution anaconda de Python et d'autres packages Python	1 Go de RAM minimum, 8 Go recommandé de 15 Go d'espace de disque
1-12	Éditeur de code de votre choix (sublime texte 3 recommandé)	2 Go de bélier

Nous fournissons également un fichier PDF qui a des images en couleur des captures d'écran / diagrammes utilisées dans ce livre. Cliquez ici pour le télécharger.

Produits connexes

• Apprentissage automatique avec Tensorflow.js [Packt] [Amazon]

• Stracage Web pratique avec Python [Packt] [Amazon]

Apprenez à connaître les auteurs

Anubhav Singh , un développeur Web depuis avant le lancement de bootstrap, est un explorateur de technologies, réalisant souvent des combinaisons folles de technologie inhabituelle. Un détenteur de classement international dans la cyber-olympiade, il a commencé par développer son propre réseau social et son moteur de recherche comme ses premiers projets à l'âge de 15 ans, qui se faisait parmi les 500 meilleurs sites Web de l'Inde au cours de leurs années opérationnelles. Il développe continuellement des logiciels pour la communauté dans des domaines avec des routes qui ont moins marché. Vous pouvez souvent l'attraper en guidant les étudiants sur la façon d'approcher ML ou le Web, ou les deux ensemble. Il est également le fondateur de la Code Foundation, une start-up axée sur l'IA. Anubhav est un lauréat de la bourse commémorative Venkat Panchapakesan et un innovateur de logiciel Intel.

Sayak Paul est actuellement avec PyImageSearch, où il applique l'apprentissage en profondeur pour résoudre des problèmes réels dans la vision par ordinateur et apporter des solutions aux appareils Edge. Il est chargé de fournir un soutien aux questions et réponses aux lecteurs de Pyimagessearch. Ses domaines d'intérêt comprennent la vision informatique, la modélisation générative, etc. Auparavant chez DataCamp, Sayak a développé des projets et des pools de pratique. Avant DataCamp, Sayak a travaillé chez TCS Research and Innovation (TRDDC) sur la confidentialité des données. Là, il faisait partie de la solution de GDPR acclamée par la critique de TCS appelée Crystal Ball. En dehors du travail, Sayak aime écrire des articles techniques et parler lors de rencontres et de conférences des développeurs.

Autres livres par les auteurs

• Apprentissage en profondeur mobile avec Tensorflow Lite, kit ML et Flutter

Suggestions et commentaires

Cliquez ici si vous avez des commentaires ou des suggestions.

Télécharger un PDF gratuit

Si vous avez déjà acheté une version imprimée ou Kindle de ce livre, vous pouvez obtenir une version PDF sans DRM sans frais.
Cliquez simplement sur le lien pour réclamer votre PDF gratuit.

https://packt.link/free-ebook/9781789956085