Un chapitre détaillé couvre la construction d'une boucle d'entraînement complet utilisant l'optimiseur Adam, fondamental pour tout projet de machine learning.
Une nouvelle approche d'apprentissage automatique a permis de découvrir des phénomènes transitoires jusque-là inconnus dans des images historiques numérisées.
Si entraîner un modèle de machine learning est devenu relativement simple, la majorité des projets échouent lors de la mise en production et de l'intégration dans les systèmes réels, au-delà de la simple validation d'exactitude.