Deepmath : Mathématiques des réseaux de neurones

Ce livre comporte deux parties avec chacune un côté mathématiques et un côté réseaux de neurones :

• analyse et réseaux de neurones
• algèbre et convolution

Nouveau !

Deux chapitres supplémentaires sur les grands modèles de langages :

• ChatGPT - Partie 1 Chapitre
• ChatGPT - Partie 2 Chapitre

Ces chapitres seront bientôt intégrés au livre.

Livre

Vous pouvez télécharger le livre en couleur sur ce site : Livre ‘Deepmath’ (18 Mo).

Vous pouvez obtenir une version papier en noir et blanc sur Amazon à prix coûtant.

Vidéos

Tout le cours est aussi expliqué en vidéos ! Chaîne Youtube “Deepmath”

Chapitres

Partie I - Analyse - Réseaux de neurones

Vidéos

• Dérivée Chapitre
• Python : numpy et matplotlib avec une variable Chapitre
• Fonctions de plusieurs variables Chapitre
• Python : numpy et matplotlib avec deux variables Chapitre
• Réseau de neurones Chapitre
• Python : tensorflow avec keras - partie 1 Chapitre
• Gradient Chapitre
• Descente de gradient Chapitre
• Rétropropagation Chapitre
• Python : tensorflow avec keras - partie 2 Chapitre

Partie II - Algèbre - Convolution

Vidéos

• Convolution 1d Chapitre
• Convolution 2d Chapitre
• Convolution avec Python Chapitre
• Convolution avec Tensorflow/Keras Chapitre
• Tenseurs Chapitre

Compléments

Vidéos

• Probabilités Chapitre
• Annexe Chapitre

Codes

Vous trouverez les fichiers sources en naviguant dans les répertoires de GitHub “deepmath”.

Le module ‘keras_facile’ conçu pour vous aider à démarrer se trouve ici : keras_facile.py.

Erreurs

Merci de nous signaler toutes les éventuelles fautes (de calcul, de programmation, d’orthographe).

Auteurs

Arnaud Bodin et François Recher

Merci à Michel Bodin pour sa relecture.

Merci à Kroum Tzanev pour ses figures de convolutions.

Merci à Laurent Briend et Frédéric Sanchez pour leurs remarques pertinentes.

Ce livre est diffusé sous la licence Creative Commons – BY-NC-SA – 4.0 FR.