Conservatorio di Santa Teresa

Résumé : Par-delà quantité de films, et toute une littérature, bourgeoise ou populiste, conçue pour confirmer le lecteur et touriste dans l'impression qu'il a de connaître depuis toujours la Toscane, par-delà tous les clichés connus, les récits toscans de Bilenchi ont valeur de révélation : la vraie Toscane nous avait bien été dissimulée. Bien que les premières ouvres de Romano Bilenchi aient profondément marqué ce qu'il y eut de plus authentique dans le néo-réalisme cinématographique d'Italie, l'écrivain et son ouvre n'ont guère, jusqu'ici, franchi les frontières. Injustice que déplora souvent Elio Vittorini, pour qui Bilenchi était le grand écrivain méconnu de l'Italie contemporaine. Le lecteur ne pourra que souscrire à ce jugement : voilà un écrivain resté en dehors de toutes les modes, un écrivain profondément moderne, et qui est de toute évidence, déjà, un classique.

Plongez au coeur du deep learning avec la nouvelle bibliothèque de Google Tensorflow. js pour JavaScript Tensorflow. js étend la bibliothèque de machine learning open source TensorFlow de Google à JavaScript pour entraîner et déployer des modèles d'apprentissage machine dans un navigateur. Accélérée par WebGL, la bibliothèque Tensorflow. js fonctionne également avec le runtime JavaScript côté serveur et fait partie de l'écosystème TensorFlow. Cette librairie ouvre la porte à de nombreuses possibilités, puisqu'elle peut par exemple exploiter la webcam du navigateur. Et surtout, en mettant le Deep Learning à la portée des développeurs Javascript, il y a de fortes chances pour qu'elle contribue à une accélération de la diffusion du Deep Learning. Au programme : TensorFlow. js, une introduction en douceur Pour commencer : Régression linéaire simple dans TensorFlow. js Ajouter de la non-linéarité : Aller au-delà des sommes pondérées Reconnaître les images et les sons à l'aide des réseaux de neurones convolutifs Apprentissage par transfert : Réutiliser des réseaux de neurones pré-entraînés Deep learning avancé avec TensorFlow. js - Travailler avec des données Visualiser des données et des modèles Sous-apprentissage, surapprentissage et flux de travail universel de l'apprentissage automatique Deep learning pour les séquences et le texte Les bases de l'apprentissage par renforcement profond Tester, optimiser et déployer les modèles