Cet ebook décrit les grands principes du Deep Learning, sous domaine du Machine Learning et de la Data Science au sens large. Il retrace son histoire, de ses origines avec le neurone formel, à ses grands principes actuels, mais aussi ses perspectives d’avenir.
"Avant toute chose, il est important de connaître l’histoire du Deep Learning, avant de découvrir dans deux autres parties son fonctionnement puis, pour finir, ses perspectives d’avenir. Le Deep Learning, concept englobé par la data science, est une terminologie relativement nouvelle, contrairement aux réseaux de neurones profonds, qu’elle désigne.
La théorie derrière le Deep Learning n’est donc pas récente, et même si de nouvelles méthodes algorithmiques ont permis de révéler son plein potentiel, ses fondements remontent au milieu du XXe siècle.
C’est au milieu des années 40 qu’a été formalisée l’idée d’un neurone artificiel, qui est une abstraction mathématique très simplifiée d’un neurone du cerveau humain. Un neurone artificiel est un outil mathématique qui reçoit des valeurs en entrée, pondère ces valeurs avec des poids (ou coefficients) et retourne une valeur en sortie, en fonction de Un neurone artificiel (ou formel) la somme des valeurs pondérées. La valeur renvoyée par le neurone s’appelle alors une activation.
Technique mais vulgarisé, ce livre blanc s’adresse aux professionnels de la data, mais aussi aux plus curieux qui n’ont pas peur de parler un peu « tech».
Revoyez vos bases ou profitez de l’occasion pour connaître les grands principes du Deep Learning avec des exemples et des anecdotes."
