Apprentissage machine / Massih-Reza Amini  

Public ISBD Titre : Apprentissage machine : De la théorie à la pratique Type de document : texte imprimé Auteurs : Massih-Reza Amini, Auteur Editeur : Paris : Eyrolles Année de publication : 2015 Collection : Algorithmes (Paris), ISSN 1625-113X Importance : 1 vol. (272 p.) Présentation : ill., fig., couv. ill. en coul. Format : 23 cm ISBN/ISSN/EAN : 978-2-212-13800-9 Note générale : 978-2-212-13800-9 Langues : Français (fre) Catégories : Informatique Mots-clés : Apprentissage supervisé (intelligence artificielle) Apprentissage automatique Intelligence computationnelle Intelligence artificielle Index. décimale : 006.3 Intelligence artificielle Résumé : L'apprentissage machine est l'un des domaines phares de l'intelligence artificielle. Il concerne l'étude et le développement de modèles quantitatifs permettant à un ordinateur d'accomplir des tâches sans qu'il soit explicitement programmé à les faire. Apprendre dans ce contexte revient à reconnaître des formes complexes et à prendre des décisions intelligentes. Compte tenu de toutes les entrées existantes, la complexité pour y arriver réside dans le fait que l'ensemble des décisions possibles est généralement très difficile à énumérer. Les algorithmes en apprentissage machine ont par conséquent été conçus dans le but d'acquérir de la connaissance sur le problème à traiter en se basant sur un ensemble de données limitées issues de ce problème. Un ouvrage de référence Cet ouvrage présente les fondements scientifiques de la théorie de l'apprentissage supervisé, les algorithmes les plus répandus développés suivant ce domaine ainsi que les deux cadres de l'apprentissage semi-supervisé et de l'ordonnancement, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. Nous avons eu ici le souci de fournir un exposé cohérent reliant la théorie aux algorithmes développés dans cette sphère. Mais cette étude ne se limite pas à présenter ces fondements, vous trouverez ainsi quelques programmes des algorithmes classiques proposés dans ce manuscrit, écrits en langage C (langage à la fois simple et populaire), et à destination des lecteurs qui cherchent à connaître le fonctionnement de ces modèles désignés parfois comme des boîtes noires. À qui s'adresse ce livre ? Aux élèves ingénieurs, étudiants de master et doctorants en mathématiques appliquées, algorithmique, recherche opérationnelle, gestion de production, aide à la décision. Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes de classification, de partitionnement et d'ordonnancement à large échelle. Note de contenu : Sommaire Introduction à la théorie de l'apprentissage Algorithmes d'optimisation convexe non-contrainte Classification bi-classes Classification multi-classes Apprentissage semi-supervisé Apprentissage de modèles d'ordonnancement Annexes (rappels de probabilités, code programmes) Côte titre : Fs/16096-16100 En ligne : https://www.amazon.fr/Apprentissage-machine-pratique-fondamentaux-Learning/dp/22 [...] Format de la ressource électronique : PDF Apprentissage machine : De la théorie à la pratique [texte imprimé] / Massih-Reza Amini, Auteur . - Paris : Eyrolles, 2015 . - 1 vol. (272 p.) : ill., fig., couv. ill. en coul. ; 23 cm. - (Algorithmes (Paris), ISSN 1625-113X) . ISBN : 978-2-212-13800-9 978-2-212-13800-9 Langues : Français (fre) Catégories : Informatique Mots-clés : Apprentissage supervisé (intelligence artificielle) Apprentissage automatique Intelligence computationnelle Intelligence artificielle Index. décimale : 006.3 Intelligence artificielle Résumé : L'apprentissage machine est l'un des domaines phares de l'intelligence artificielle. Il concerne l'étude et le développement de modèles quantitatifs permettant à un ordinateur d'accomplir des tâches sans qu'il soit explicitement programmé à les faire. Apprendre dans ce contexte revient à reconnaître des formes complexes et à prendre des décisions intelligentes. Compte tenu de toutes les entrées existantes, la complexité pour y arriver réside dans le fait que l'ensemble des décisions possibles est généralement très difficile à énumérer. Les algorithmes en apprentissage machine ont par conséquent été conçus dans le but d'acquérir de la connaissance sur le problème à traiter en se basant sur un ensemble de données limitées issues de ce problème. Un ouvrage de référence Cet ouvrage présente les fondements scientifiques de la théorie de l'apprentissage supervisé, les algorithmes les plus répandus développés suivant ce domaine ainsi que les deux cadres de l'apprentissage semi-supervisé et de l'ordonnancement, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. Nous avons eu ici le souci de fournir un exposé cohérent reliant la théorie aux algorithmes développés dans cette sphère. Mais cette étude ne se limite pas à présenter ces fondements, vous trouverez ainsi quelques programmes des algorithmes classiques proposés dans ce manuscrit, écrits en langage C (langage à la fois simple et populaire), et à destination des lecteurs qui cherchent à connaître le fonctionnement de ces modèles désignés parfois comme des boîtes noires. À qui s'adresse ce livre ? Aux élèves ingénieurs, étudiants de master et doctorants en mathématiques appliquées, algorithmique, recherche opérationnelle, gestion de production, aide à la décision. Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes de classification, de partitionnement et d'ordonnancement à large échelle. Note de contenu : Sommaire Introduction à la théorie de l'apprentissage Algorithmes d'optimisation convexe non-contrainte Classification bi-classes Classification multi-classes Apprentissage semi-supervisé Apprentissage de modèles d'ordonnancement Annexes (rappels de probabilités, code programmes) Côte titre : Fs/16096-16100 En ligne : https://www.amazon.fr/Apprentissage-machine-pratique-fondamentaux-Learning/dp/22 [...] Format de la ressource électronique : PDF

Exemplaires (5)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/16096	Fs/16096-16100	livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16097	Fs/16096-16100	livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16098	Fs/16096-16100	livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16099	Fs/16096-16100	livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16100	Fs/16096-16100	livre	Bibliothéque des sciences	Français	Disponible Disponible

Data science / Massih-Reza Amini

Public ISBD Titre : Data science : Cours et exercices Type de document : texte imprimé Auteurs : Massih-Reza Amini, ; Renaud Blanch, ; Clausel, Marianne, ; Durand, Jean-Baptiste, ; ric Gaussier, ; Malick, J©r´me, ; Picard, Christophe, ; Qu©ma, Vivien, ; Qu©not, Georges, Editeur : Paris : Eyrolles Année de publication : 2018 Importance : 1 vol. (254 p.) Présentation : graph., fig., couv. ill. en coul. Format : 23 cm. ISBN/ISSN/EAN : 978-2-212-67410-1 Note générale : 978-2-212-67410-1 Langues : Français (fre) Catégories : Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : L'ouvrage Data Science : cours et exercices a pour ambition de traiter tous les aspects du métier de data scientist. Du prétraitement et la gestion des données en passant par l'analyse, la modélisation et la (data) visualisation. Ne se contenant pas de s'attarder sur les fondamentaux, il propose également et surtout de nombreux cours et exercices pour les mettre en pratiqu Note de contenu : Sommaire Introduction Prétraitement des données Gestion de données large-échelle et systèmes distribués Calcul haute performance Optimisation pour l'analyse de données Décomposition matricielle/tensorielle Modèles génératifs Modèles discriminants Deep learning Visualisation interactive d'information Côte titre : Fs/23302 Data science : Cours et exercices [texte imprimé] / Massih-Reza Amini, ; Renaud Blanch, ; Clausel, Marianne, ; Durand, Jean-Baptiste, ; ric Gaussier, ; Malick, J©r´me, ; Picard, Christophe, ; Qu©ma, Vivien, ; Qu©not, Georges,  . - Paris : Eyrolles, 2018 . - 1 vol. (254 p.) : graph., fig., couv. ill. en coul. ; 23 cm. ISBN : 978-2-212-67410-1 978-2-212-67410-1 Langues : Français (fre) Catégories : Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : L'ouvrage Data Science : cours et exercices a pour ambition de traiter tous les aspects du métier de data scientist. Du prétraitement et la gestion des données en passant par l'analyse, la modélisation et la (data) visualisation. Ne se contenant pas de s'attarder sur les fondamentaux, il propose également et surtout de nombreux cours et exercices pour les mettre en pratiqu Note de contenu : Sommaire Introduction Prétraitement des données Gestion de données large-échelle et systèmes distribués Calcul haute performance Optimisation pour l'analyse de données Décomposition matricielle/tensorielle Modèles génératifs Modèles discriminants Deep learning Visualisation interactive d'information Côte titre : Fs/23302

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/23302	Fs/23302	livre	Bibliothéque des sciences	Français	Disponible Disponible

Recherche d'information / Massih-Reza Amini

Public ISBD Titre : Recherche d'information : Applications, modèles et algorithmes Type de document : texte imprimé Auteurs : Massih-Reza Amini, Auteur ; Éric Gaussier, Auteur ; Grégoire Péan, Collaborateur Editeur : Paris : Eyrolles Année de publication : 2013 Collection : Algorithmes (Paris), ISSN 1625-113X Importance : 1 vol. (233 p.) Présentation : ill., couv. ill. Format : 23 cm ISBN/ISSN/EAN : 978-2-212-13532-9 Note générale : La couv. porte en plus : "fouilles de données, décisionnel et big data" Bibliogr. p. 225 -230. Index Langues : Français (fre) Catégories : Informatique Mots-clés : Recherche de l'information : Modèles mathématiques Algorithmes : Problèmes et exercices Exploration de données Données massives Entrepôts de données -- Manuels d'enseignement supérieur Information retrieval -- Mathematical models Algorithms Data mining Big data Data warehousing Index. décimale : 025.04 Systèmes de recherche et stockage de l'information Résumé : Depuis quelques années, de nouveaux modèles et algorithmes sont mis au point pour traiter des données de plus en plus volumineuses et diverses. Cet ouvrage présente les fondements scientifiques des tâches les plus répandues en recherche d'information (RI), tâches également liées au data mining, au décisionnel et plus généralement à l'exploitation de big data. Il propose un exposé cohérent des algorithmes classiques développés dans ce domaine, abordable à des lecteurs qui cherchent à connaître le mécanisme des outils quotidiens d'Internet. Le lecteur approfondira les concepts d'indexation, de compression, de recherche sur le Web, de classification et de catégorisation, et pourra prolonger cette étude avec les exercices corrigés proposés en fin de chapitre. Note de contenu : Sommaire 1, Introduction 2, Représentation et indexation 3, Recherche d'information 4, Recherche sur le Web 5, Catégorisation de documents 6, Partitionnement de documents 7, Recherche de thèmes latents 8, Considérations pratiques Côte titre : Fs/16326-16330 Recherche d'information : Applications, modèles et algorithmes [texte imprimé] / Massih-Reza Amini, Auteur ; Éric Gaussier, Auteur ; Grégoire Péan, Collaborateur . - Paris : Eyrolles, 2013 . - 1 vol. (233 p.) : ill., couv. ill. ; 23 cm. - (Algorithmes (Paris), ISSN 1625-113X) . ISBN : 978-2-212-13532-9 La couv. porte en plus : "fouilles de données, décisionnel et big data" Bibliogr. p. 225 -230. Index Langues : Français (fre) Catégories : Informatique Mots-clés : Recherche de l'information : Modèles mathématiques Algorithmes : Problèmes et exercices Exploration de données Données massives Entrepôts de données -- Manuels d'enseignement supérieur Information retrieval -- Mathematical models Algorithms Data mining Big data Data warehousing Index. décimale : 025.04 Systèmes de recherche et stockage de l'information Résumé : Depuis quelques années, de nouveaux modèles et algorithmes sont mis au point pour traiter des données de plus en plus volumineuses et diverses. Cet ouvrage présente les fondements scientifiques des tâches les plus répandues en recherche d'information (RI), tâches également liées au data mining, au décisionnel et plus généralement à l'exploitation de big data. Il propose un exposé cohérent des algorithmes classiques développés dans ce domaine, abordable à des lecteurs qui cherchent à connaître le mécanisme des outils quotidiens d'Internet. Le lecteur approfondira les concepts d'indexation, de compression, de recherche sur le Web, de classification et de catégorisation, et pourra prolonger cette étude avec les exercices corrigés proposés en fin de chapitre. Note de contenu : Sommaire 1, Introduction 2, Représentation et indexation 3, Recherche d'information 4, Recherche sur le Web 5, Catégorisation de documents 6, Partitionnement de documents 7, Recherche de thèmes latents 8, Considérations pratiques Côte titre : Fs/16326-16330

Exemplaires (5)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/16326	Fs/16326-16330	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16327	Fs/16326-16330	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16328	Fs/16326-16330	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16329	Fs/16326-16330	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/16330	Fs/16326-16330	Livre	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 3 / 3)