Description Générale
Le livre fait environ 270 pages. Il contient une quantité suffisante de matériel graphique. Le niveau de difficulté est moyen.
Aperçu Court
Chapitre 1. Comment fonctionnent les réseaux de neurones
Le chapitre explique les principes de base du fonctionnement des réseaux de neurones : ce que sont les neurones, les poids, la somme des signaux et la fonction d'activation. L'auteur introduit de manière intuitive les concepts d'apprentissage, d'erreur et de rétropropagation du gradient, en évitant les mathématiques complexes. L'objectif principal du chapitre est de former un modèle mental correct de pourquoi un réseau de neurones peut apprendre quoi que ce soit.
Chapitre 2. Créer un réseau de neurones en Python
Ce chapitre implémente étape par étape un réseau de neurones simple en Python à partir de zéro, sans utiliser de frameworks. L'auteur montre comment initialiser les poids, implémenter la propagation avant, l'entraînement et la rétropropagation du gradient. À la fin, le réseau apprend à reconnaître les chiffres manuscrits (MNIST), et le lecteur obtient un code fonctionnel et compréhensible.
Chapitre 3. Plusieurs projets intéressants
Le chapitre est consacré à l'application pratique du réseau de neurones déjà créé et à des expériences avec celui-ci. Il aborde l'amélioration de la qualité de la reconnaissance, le travail avec ses propres images et l'influence des paramètres d'entraînement. L'accent principal est mis sur la façon de modifier et d'étendre le modèle, et non pas seulement d'utiliser aveuglément un exemple tout fait.
Annexe A. Brève introduction au calcul différentiel
L'annexe explique les mathématiques minimales nécessaires pour comprendre le processus d'entraînement des réseaux de neurones. Les dérivées et les gradients sont introduits de manière intuitive — exactement dans la mesure requise pour comprendre l'algorithme de rétropropagation du gradient. Ce n'est pas un manuel d'analyse mathématique, mais plutôt une sorte de "pont mathématique" vers le texte principal.
Annexe B. Réseau de neurones sur Raspberry Pi
Ici, il est montré comment exécuter et utiliser le réseau de neurones sur un Raspberry Pi. L'auteur démontre que les réseaux de neurones peuvent fonctionner même sur du matériel limité, si le modèle est suffisamment simple. L'annexe illustre bien l'aspect pratique de l'approche embarquée et des appareils autonomes.
Avis
C'est le premier livre avec lequel j'ai commencé à comprendre comment les réseaux de neurones fonctionnent de l'intérieur et comment ils sont implémentés en pratique. En utilisant Python comme exemple, l'auteur développe un réseau de neurones primitif et l'améliore progressivement de chapitre en chapitre. Au final, le matériel est présenté de manière claire, séquentielle et accessible.
