Introduction à l'apprentissage par transfert : algorithmes et pratique - Broché

de Jindong Wang (Auteur), Yiqiang Chen (Auteur)

L'apprentissage par transfert est l'une des technologies les plus importantes à l'ère de l'intelligence artificielle et de l'apprentissage profond. Il vise à tirer parti des connaissances existantes en les transférant à un autre domaine, nouveau. Au fil des ans, un certain nombre de sujets pertinents ont suscité l'intérêt de la communauté de la recherche et des applications : l'apprentissage par transfert, le pré-entraînement et le réglage fin, l'adaptation de domaine, la généralisation de domaine et le méta-apprentissage.

Ce livre offre un tutoriel complet sur un aperçu de l'apprentissage par transfert, présentant aux nouveaux chercheurs dans ce domaine les algorithmes classiques et plus récents. Plus important encore, il adopte le point de vue d'un « étudiant » pour introduire tous les concepts, théories, algorithmes et applications, permettant aux lecteurs d'entrer rapidement et facilement dans ce domaine. En accompagnement du livre, des implémentations de code détaillées sont fournies pour mieux illustrer les idées fondamentales de plusieurs algorithmes importants, présentant de bons exemples pour la pratique.

Quatrième de couverture

L'apprentissage par transfert est l'une des technologies les plus importantes à l'ère de l'intelligence artificielle et de l'apprentissage profond. Il vise à tirer parti des connaissances existantes en les transférant à un autre domaine, nouveau. Au fil des ans, un certain nombre de sujets pertinents ont suscité l'intérêt de la communauté de la recherche et des applications : l'apprentissage par transfert, le pré-entraînement et le réglage fin, l'adaptation de domaine, la généralisation de domaine et le méta-apprentissage.

Biographie de l'auteur

Jindong Wang est actuellement chercheur principal chez Microsoft Research Asia. Auparavant, il a obtenu son doctorat à l'Institut de technologie informatique, Académie chinoise des sciences, en 2019. Ses principaux intérêts de recherche portent sur l'apprentissage par transfert, l'adaptation de domaine, la généralisation de domaine et leurs applications dans les systèmes informatiques ubiquitaires. Il a co-publié un manuel en chinois, Introduction à l'apprentissage par transfert, et de nombreux articles dans des revues et conférences de premier plan, telles que l'IEEE TKDE, le TNNLS, l'ACM TIST, NeurIPS, CVPR, IJCAI, UbiComp et ACMMM. Il a reçu le prix du meilleur article d'application à l'atelier d'apprentissage fédéré IJCAI'19 et le prix du meilleur article à l'ICCSE'18. Il a été président de la publicité de l'IJCAI'19 et président de la session d'apprentissage par transfert de l'ICDM'19.

Yiqiang Chen est actuellement professeur à l'Institut de technologie informatique, Académie chinoise des sciences. Ses principaux intérêts de recherche portent sur l'intelligence artificielle et l'informatique omniprésente. Il a publié plus de 180 articles dans des revues et conférences de premier plan telles que l'IEEE TKDE, AAAI et IJCAI. Il a été président général du comité de programme de l'IEEE UIC 2019, PCC 2017 et CWCC 2019. Il est membre fondateur du comité IEEE des interactions portables et intelligentes (IWCD) et rédacteur associé pour l'IEEE TETCI et l'IJMLC. Il a remporté plusieurs prix du meilleur article, notamment le prix du meilleur article d'application à IJCAI-FL'19, le prix du meilleur article du 15e anniversaire de l'IJIT et le prix du meilleur article ICCSE'18.