Titre :	Apprentissage artificiel
Type de document :	texte imprimé
Auteurs :	Antoine Cornuéjols, Auteur ; Laurent Miclet, Auteur
Mention d'édition :	2e éd.
Editeur :	Paris : Eyrolles
Année de publication :	2010
Collection :	Algorithmes (Paris), ISSN 1625-113X
Importance :	1 vol. (803 p.)
Présentation :	ill., couv. ill.
Format :	24 cm
ISBN/ISSN/EAN :	978-2-212-12471-2
Note générale :	Bibliogr. p. 765-795. Index
Langues :	Français (fre)
Catégories :	Informatique
Mots-clés :	Intelligence artificielle Apprentissage automatique Algorithmes
Index. décimale :	006.3 - Intelligence artificielle
Résumé :	Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web... Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples. Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique pour l'ensemble des techniques regroupées sous ce terme "d'apprentissage artificiel". À qui s'adresse ce livre ? Ce livre s'adresse tant aux décideurs et aux ingénieurs qui souhaitent mettre au point des applications qu'aux étudiants de niveau Master 1 et 2 et en école d'ingénieurs, qui souhaitent un ouvrage de référence sur ce domaine clé de l'intelligence artificielle.
Note de contenu :	Sommaire I. Les fondements de l'apprentissage 1. De l'apprentissage naturel à l'apprentissage artificiel 2. Première approche théorique de l'induction 3. L'environnement méthodologique de l'apprentissage II. Apprentissage par exploration 4. Induction et relation d'ordre : l'espace des versions 5. La programmation logique inductive 6. Transfert de connaissances et apprentissage par analogie 7. L'inférence grammaticale 8. Apprentissage par évolution simulée III. Apprentissage par optimisation 9. L'apprentissage de modèles linéaires 10. L'apprentissage de réseaux connexionnistes 11. L'apprentissage de réseaux bayésiens 12. L'apprentissage de modèles de Markov cachés 13. Apprentissage par inférence d'arbres IV. Apprentissage par approximation et interpolation 14. Méthode à noyaux 15. L'apprentissage bayésien et son approximation 16. L'apprentissage de réflexes par renforcement V. Au-delà de l'apprentissage supervisé 17. Apprentissage de combinaisons d'experts 18. La classification non supervisée et la fouille de données 19. L'apprentissage semi-supervisé 20. Vers de nouvelles tâches et de nouvelles questions 21. Analyse de l'induction : approfondissements et ouvertures VI. Annexes techniques
Côte titre :	Fs/19539,Fs/4613-4615,Fs/7119

Apprentissage artificiel [texte imprimé] / Antoine Cornuéjols, Auteur ; Laurent Miclet, Auteur  . -  2e éd. . - Paris : Eyrolles, 2010 . - 1 vol. (803 p.) : ill., couv. ill. ; 24 cm. - (Algorithmes (Paris), ISSN 1625-113X) .
ISBN : 978-2-212-12471-2
Bibliogr. p. 765-795. Index
Langues : Français (fre)

Catégories :	Informatique
Mots-clés :	Intelligence artificielle Apprentissage automatique Algorithmes
Index. décimale :	006.3 - Intelligence artificielle
Résumé :	Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web... Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples. Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique pour l'ensemble des techniques regroupées sous ce terme "d'apprentissage artificiel". À qui s'adresse ce livre ? Ce livre s'adresse tant aux décideurs et aux ingénieurs qui souhaitent mettre au point des applications qu'aux étudiants de niveau Master 1 et 2 et en école d'ingénieurs, qui souhaitent un ouvrage de référence sur ce domaine clé de l'intelligence artificielle.
Note de contenu :	Sommaire I. Les fondements de l'apprentissage 1. De l'apprentissage naturel à l'apprentissage artificiel 2. Première approche théorique de l'induction 3. L'environnement méthodologique de l'apprentissage II. Apprentissage par exploration 4. Induction et relation d'ordre : l'espace des versions 5. La programmation logique inductive 6. Transfert de connaissances et apprentissage par analogie 7. L'inférence grammaticale 8. Apprentissage par évolution simulée III. Apprentissage par optimisation 9. L'apprentissage de modèles linéaires 10. L'apprentissage de réseaux connexionnistes 11. L'apprentissage de réseaux bayésiens 12. L'apprentissage de modèles de Markov cachés 13. Apprentissage par inférence d'arbres IV. Apprentissage par approximation et interpolation 14. Méthode à noyaux 15. L'apprentissage bayésien et son approximation 16. L'apprentissage de réflexes par renforcement V. Au-delà de l'apprentissage supervisé 17. Apprentissage de combinaisons d'experts 18. La classification non supervisée et la fouille de données 19. L'apprentissage semi-supervisé 20. Vers de nouvelles tâches et de nouvelles questions 21. Analyse de l'induction : approfondissements et ouvertures VI. Annexes techniques
Côte titre :	Fs/19539,Fs/4613-4615,Fs/7119