Introduction au machine learning / Chloé-Agathe Azencott

Public ISBD Titre : Introduction au machine learning Type de document : texte imprimé Auteurs : Chloé-Agathe Azencott, Auteur Editeur : Paris : Dunod Année de publication : 2017 Importance : 1 vol. (227 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-10-078080-8 Note générale : 978-2-10-078080-8 Langues : Français (fre) Catégories : Informatique Mots-clés : Informatique Index. décimale : 006.3 Intelligence artificielle Résumé : Le machine learning (apprentissage automatique) est au coeur des data sciences et s'applique à une multitude de domaines tels que la reconnaissance des visages par ordinateur, la traduction automatique d'une langue à l'autre, la conduite automobile automatique, la publicité ciblée, l'analyse des réseaux sociaux, le trading financier, ... Ce livre propose une introduction aux concepts et aux algorithmes qui fondent le machine learning. Son objectif est de fournir au lecteur les outils pour : - identifier les problèmes qui peuvent être résolus par du machine learning, - formaliser ces problèmes en termes de machine learning, - identifier les algorithmes appropriés et les mettre en oeuvre, - savoir évaluer et comparer les performances de plusieurs algorithmes. Chaque chapitre est complété par des exercices corrigés. Note de contenu : Sommaire Qu'est-ce que le machine learning Apprentissage supervisé Sélection de modèles et évaluation Inférence bayésienne Régressions paramétriques Régularisation. Réseaux de neurones artificiels Méthodes des plus proches voisins Arbres et forêt Machines à vecteurs de support Réduction de dimension Clustering Côte titre : Fs/23349 Introduction au machine learning [texte imprimé] / Chloé-Agathe Azencott, Auteur . - Paris : Dunod, 2017 . - 1 vol. (227 p.) : ill. ; 24 cm. ISBN : 978-2-10-078080-8 978-2-10-078080-8 Langues : Français (fre) Catégories : Informatique Mots-clés : Informatique Index. décimale : 006.3 Intelligence artificielle Résumé : Le machine learning (apprentissage automatique) est au coeur des data sciences et s'applique à une multitude de domaines tels que la reconnaissance des visages par ordinateur, la traduction automatique d'une langue à l'autre, la conduite automobile automatique, la publicité ciblée, l'analyse des réseaux sociaux, le trading financier, ... Ce livre propose une introduction aux concepts et aux algorithmes qui fondent le machine learning. Son objectif est de fournir au lecteur les outils pour : - identifier les problèmes qui peuvent être résolus par du machine learning, - formaliser ces problèmes en termes de machine learning, - identifier les algorithmes appropriés et les mettre en oeuvre, - savoir évaluer et comparer les performances de plusieurs algorithmes. Chaque chapitre est complété par des exercices corrigés. Note de contenu : Sommaire Qu'est-ce que le machine learning Apprentissage supervisé Sélection de modèles et évaluation Inférence bayésienne Régressions paramétriques Régularisation. Réseaux de neurones artificiels Méthodes des plus proches voisins Arbres et forêt Machines à vecteurs de support Réduction de dimension Clustering Côte titre : Fs/23349

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/23349	Fs/23349	livre	Bibliothéque des sciences	Français	Disponible Sorti jusqu'au 29/06/2020

Introduction au machine learning / Chloé-Agathe Azencott

Public ISBD Titre : Introduction au machine learning Type de document : texte imprimé Auteurs : Chloé-Agathe Azencott, Auteur Editeur : Paris : Dunod Année de publication : 2022 Importance : 1 vol. (263 p.) Format : 24 cm ISBN/ISSN/EAN : 978-2-10-083642-0 Langues : Français (fre) Catégories : Informatique Mots-clés : Machine learning Index. décimale : 006.31 (Apprentissage automatique (algorithmes génétiques, apprentissage par ordinateur, EAO) Résumé : Cet ouvrage s'adresse aux étudiants en fin de licence et en master d'informatique ou de maths appliquées, ainsi qu'aux élèves ingénieurs. Le Machine Learning est une discipline dont les outils puissants permettent aujourd'hui à de nombreux secteurs d'activité de réaliser des progrès spectaculaires grâce à l'exploitation de grands volumes de données. Le but de cet ouvrage est de vous fournir des bases solides sur les concepts et les algorithmes de ce domaine en plein essor. Il vous aidera à identifier les problèmes qui peuvent être résolus par une approche Machine Learning, à les formaliser, à identifier les algorithmes les mieux adaptés à chaque problème, à les mettre en oeuvre, et enfin à savoir évaluer les résultats obtenus. Les notions de cours sont illustrées et complétées par 86 exercices, tous corrigés. Note de contenu : Sommaire: Chapitre 1: Présentation du machine learning Chapitre 2: Apprentissage supervisé Chapitre 3: Sélection de modèle et évaluation Chapitre 4: Inférence bayésienne Chapitre 5: Régressions paramétriques Chapitre 6: Régularisation Chapitre 7: Réseaux de neurones artificiels Chapitre 8: Méthodes des plus proches voisins Chapitre 9: Arbres et forêts Chapitre 10: Machines à vecteurs de support et méthodes à noyaux Chapitre 11: Réduction de dimension Chapitre 12: Clustering. Côte titre : Fs/24805-24807 Introduction au machine learning [texte imprimé] / Chloé-Agathe Azencott, Auteur . - Paris : Dunod, 2022 . - 1 vol. (263 p.) ; 24 cm. ISBN : 978-2-10-083642-0 Langues : Français (fre) Catégories : Informatique Mots-clés : Machine learning Index. décimale : 006.31 (Apprentissage automatique (algorithmes génétiques, apprentissage par ordinateur, EAO) Résumé : Cet ouvrage s'adresse aux étudiants en fin de licence et en master d'informatique ou de maths appliquées, ainsi qu'aux élèves ingénieurs. Le Machine Learning est une discipline dont les outils puissants permettent aujourd'hui à de nombreux secteurs d'activité de réaliser des progrès spectaculaires grâce à l'exploitation de grands volumes de données. Le but de cet ouvrage est de vous fournir des bases solides sur les concepts et les algorithmes de ce domaine en plein essor. Il vous aidera à identifier les problèmes qui peuvent être résolus par une approche Machine Learning, à les formaliser, à identifier les algorithmes les mieux adaptés à chaque problème, à les mettre en oeuvre, et enfin à savoir évaluer les résultats obtenus. Les notions de cours sont illustrées et complétées par 86 exercices, tous corrigés. Note de contenu : Sommaire: Chapitre 1: Présentation du machine learning Chapitre 2: Apprentissage supervisé Chapitre 3: Sélection de modèle et évaluation Chapitre 4: Inférence bayésienne Chapitre 5: Régressions paramétriques Chapitre 6: Régularisation Chapitre 7: Réseaux de neurones artificiels Chapitre 8: Méthodes des plus proches voisins Chapitre 9: Arbres et forêts Chapitre 10: Machines à vecteurs de support et méthodes à noyaux Chapitre 11: Réduction de dimension Chapitre 12: Clustering. Côte titre : Fs/24805-24807

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/24805	Fs/24805-24807	livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/24806	Fs/24805-24807	livre	Bibliothéque des sciences	Français	Disponible Sorti jusqu'au 19/12/2024
Fs/24807	Fs/24805-24807	livre	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 2 / 2)