L’objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du Deep Learning et de vous montrer, grâce à de nombreux exemples de code accessibles en ligne, comment les mettre en pratique.
La 3^e  édition de cet ouvrage de référence, très remaniée, tient compte des récentes avancées.

• Construire et entraîner de nombreuses architectures de réseaux de neurones pour classification et régression à l’aide de Keras et TensorFlow  2.
• Découvrir les mécanismes d’attention, les grands modèles de langage (LLM) tels que GPT-4, les réseaux antagonistes génératifs (GAN), les modèles de diffusion tels que DALL-E  2, la détection d’objets, la segmentation sémantique,  etc.
• Explorer Keras, l’API officielle de haut niveau pour TensorFlow  2, désormais compatible également avec PyTorch et JAX.
• Entraîner de grands modèles à l’aide de TF  Data, de l’API de stratégies de distribution, de TF  Serving, de Keras Tuner, ou encore de la bibliothèque Transformers de Hugging Face.
• Passer à l’échelle supérieure sur la plateforme Google Vertex AI, ou déployer sur des appareils mobiles.
• Créer des agents d’apprentissage autonomes avec l’apprentissage par renforcement profond.

Tous les exemples de code sont disponibles en ligne sous  la forme de notebooks Jupyter à l’adresse suivante : https://github.com/ageron/handson-ml3