Si vous choisissez TensorFlow comme framework, alors les livres ne manquent pas.

Celui d’Aurélien Geron Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems est très très bon. Il est complet, profond, bien écrit, avec de nombreux exemples de code. C’est un livre incontournable sur le sujet. Il n’y a pas trop de maths et ce qu’il y a n’est pas très compliqué. Certes, le livre demande des efforts de lecture mais l’apprentissage est progressif.

Le livre explore autre chose que le Deep Learning. C’est plus un livre sur le machine learning. Les arbres de décision, les random forests, SVM, l’analyse en composantes principales, … tout cela est traité.

Celui de Nick McClure TensorFlow Machine Learning Cookbook est plus un livre sur TensorFlow que sur le DL. Pour apprendre le DL, ce n’est pas la bonne référence. Par contre, lorsqu’on comprend bien les concepts du DL, alors il peut être un bon livre de référence.

Celui de Santanu Pattanayak Pro Deep Learning with TensorFlow est comme son sous-titre l’indique A Mathematical Approach to Advanced Artificial Intelligence in Python, très orienté mathématiques. Ce n’est pas un livre pour débutants. Je ne le recommande pas.

Il y aussi celui de Giancarlo Zaccone & al. Deep Learning with TensorFlow qui couvre les mêmes champs que celui d’Aurélien Geron mais qui est moins progressif et uniquement consacré au Deep Learning.

Giancarlo Zaccone est aussi l’auteur de Getting Started with TensorFlow

Il a celui de Rodolfo Bonnin : Building Machine Learning Projects with TensorFlow dédié au DL.

Il y a celui de Nishant Shukla : Machile Learning with TensorFlow, très bien illustré, recommandé pour les débutants, accompagné de code.

Chaque mois sort un nouveau livre sur Tf ! 

Si vous êtes débutant, choisissez un livre avec peu de maths, et ayant du code Python disponible sur GitHub.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *