3ds Max 2010 / BARON,Jean-Baptiste  

Public ISBD Titre : 3ds Max 2010 Type de document : texte imprimé Auteurs : BARON,Jean-Baptiste ; WITTMER,Julien Editeur : Saint-Herblain : Éd. ENI Année de publication : 2010 Collection : Atrium/ Hervo,Corinne Importance : 1 vol. (601 p.) Présentation : ill., couv. ill. en coul. Format : 21 cm ISBN/ISSN/EAN : 978-2-7460-5286-4 Note générale : Index587-601 Catégories : Informatique Mots-clés : Informatique 3ds Max DAO=Dessin technique par ordinateur CAO Autodesk 3D Studio (logiciel) Imagerie tridimensionnelle Index. décimale : 006.3 Intelligence artificielle Résumé : Le dernier Service Pack d'Autodesk pour Autodesk® 3ds Max® 2010 et Autodesk® 3ds Max® Design 2010 inclut près de 30 correctifs pour les problèmes d'annulation, de performance, de réactivité, de visualisation, de flux de travail matériel et de logiciel mental ray®. Les domaines spécifiques abordés sont Biped, Bitmap Pager, Proxies Bitmap, Containers, Edit Poly, Interopérabilité, Licences, Matériaux, mental ray, Débit de particules, Performance, Lumières photométriques, ProOptimizer, Render To Texture (RTT), Rendering, UVW Unwrap et Viewports . En ligne : https://books.google.dz/books?id=sEnNIuAY1xYC&pg=PT3&lpg=PT3&dq=978-2-7460-5286- [...] 3ds Max 2010 [texte imprimé] / BARON,Jean-Baptiste ; WITTMER,Julien . - Saint-Herblain : Éd. ENI, 2010 . - 1 vol. (601 p.) : ill., couv. ill. en coul. ; 21 cm. - (Atrium/ Hervo,Corinne) . ISBN : 978-2-7460-5286-4 Index587-601 Catégories : Informatique Mots-clés : Informatique 3ds Max DAO=Dessin technique par ordinateur CAO Autodesk 3D Studio (logiciel) Imagerie tridimensionnelle Index. décimale : 006.3 Intelligence artificielle Résumé : Le dernier Service Pack d'Autodesk pour Autodesk® 3ds Max® 2010 et Autodesk® 3ds Max® Design 2010 inclut près de 30 correctifs pour les problèmes d'annulation, de performance, de réactivité, de visualisation, de flux de travail matériel et de logiciel mental ray®. Les domaines spécifiques abordés sont Biped, Bitmap Pager, Proxies Bitmap, Containers, Edit Poly, Interopérabilité, Licences, Matériaux, mental ray, Débit de particules, Performance, Lumières photométriques, ProOptimizer, Render To Texture (RTT), Rendering, UVW Unwrap et Viewports . En ligne : https://books.google.dz/books?id=sEnNIuAY1xYC&pg=PT3&lpg=PT3&dq=978-2-7460-5286- [...]

Exemplaires (5)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/4594	Fs/4594-4598	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/4595	Fs/4594-4598	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/4596	Fs/4594-4598	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/4597	Fs/4594-4598	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/4598	Fs/4594-4598	Livre	Bibliothéque des sciences	Français	Disponible Disponible

An introduction to support vector machines / Nello Cristianini

Public ISBD Titre : An introduction to support vector machines : And other kernel-based learning methods Type de document : texte imprimé Auteurs : Nello Cristianini ; John Shawe-Taylor Editeur : Cambridge : Cambridge university press Année de publication : 2000 Importance : 1vol (189 p.) Présentation : ill. Format : 26 cm ISBN/ISSN/EAN : 978-0-521-78019-3 Catégories : Informatique Mots-clés : Intelligence artificielle Apprentissage automatique Acquisition des connaissances (systèmes experts) Modèles stochastiques d'apprentissage Traitement vectoriel Noyaux (analyse fonctionnelle) Algorithmes Index. décimale : 006.3 Intelligence artificielle Résumé : Il s'agit de la première introduction complète aux machines vectorielles de support (SVM), un système d'apprentissage de nouvelle génération basé sur les avancées récentes de la théorie de l'apprentissage statistique. Les étudiants trouveront le livre à la fois stimulant et accessible, tandis que les praticiens seront guidés en douceur à travers le matériel requis pour une bonne compréhension de la théorie et de ses applications. Les concepts sont introduits progressivement dans des étapes accessibles et autonomes, tandis que la présentation est rigoureuse et approfondie. Les pointeurs vers la documentation pertinente et les sites Web contenant des logiciels en font un point de départ idéal pour une étude plus approfondie. Note de contenu : Sommaire Preface 1. The learning methodology 2. Linear learning machines 3. Kernel-induced feature space 4. Generalisation theory 5. Optimisation theory 6. Support vector machines 7. Implementation techniques 8. Applications of support vector machines Appendix A: pseudocode for the SMO algorithm Appendix B: background mathematics Appendix C: glossary Appendix D: notation Bibliography; Index. Côte titre : Fs/19780 An introduction to support vector machines : And other kernel-based learning methods [texte imprimé] / Nello Cristianini ; John Shawe-Taylor . - Cambridge : Cambridge university press, 2000 . - 1vol (189 p.) : ill. ; 26 cm. ISBN : 978-0-521-78019-3 Catégories : Informatique Mots-clés : Intelligence artificielle Apprentissage automatique Acquisition des connaissances (systèmes experts) Modèles stochastiques d'apprentissage Traitement vectoriel Noyaux (analyse fonctionnelle) Algorithmes Index. décimale : 006.3 Intelligence artificielle Résumé : Il s'agit de la première introduction complète aux machines vectorielles de support (SVM), un système d'apprentissage de nouvelle génération basé sur les avancées récentes de la théorie de l'apprentissage statistique. Les étudiants trouveront le livre à la fois stimulant et accessible, tandis que les praticiens seront guidés en douceur à travers le matériel requis pour une bonne compréhension de la théorie et de ses applications. Les concepts sont introduits progressivement dans des étapes accessibles et autonomes, tandis que la présentation est rigoureuse et approfondie. Les pointeurs vers la documentation pertinente et les sites Web contenant des logiciels en font un point de départ idéal pour une étude plus approfondie. Note de contenu : Sommaire Preface 1. The learning methodology 2. Linear learning machines 3. Kernel-induced feature space 4. Generalisation theory 5. Optimisation theory 6. Support vector machines 7. Implementation techniques 8. Applications of support vector machines Appendix A: pseudocode for the SMO algorithm Appendix B: background mathematics Appendix C: glossary Appendix D: notation Bibliography; Index. Côte titre : Fs/19780

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/19780	Fs/19780	Livre	Bibliothéque des sciences	Français	Disponible Disponible

An invitation to 3-D vision

Public ISBD Titre : An invitation to 3-D vision : from images to geometric models Type de document : texte imprimé Editeur : New York : Springer Année de publication : 2006 Collection : Interdisciplinary applied mathematics, ISSN 0939-6047 num. 26 Importance : 1 vol. (XX-526 p.) Présentation : ill. Format : 25 cm ISBN/ISSN/EAN : 978-0-387-00893-6 Note générale : La couv. porte en plus : "Imaging, vision, and graphics" Bibliogr. p. 487-508 Langues : Anglais (eng) Catégories : Informatique Mots-clés : Vision par ordinateur Reconnaissance des formes (informatique) Imagerie tridimensionnelle Infographie Index. décimale : 006.3 Intelligence artificielle Résumé : Ce livre offre aux étudiants débutants et débutants et aux chercheurs en vision informatique, en mathématiques appliquées, en infographie et en robotique une introduction autonome à la géométrie de la vision 3D; Qui est la reconstruction de modèles 3D d'objets à partir d'une collection d'images 2D. Après une brève introduction, la partie I fournit des documents de base pour le reste du livre. Les deux transformations fondamentales, à savoir le mouvement du corps rigide et la projection en perspective sont introduites et la formation d'images et l'extraction de caractéristiques sont discutées. La partie II couvre la théorie classique de la géométrie de deux vues basée sur la contrainte dite épipolaire. La partie III montre qu'un outil plus approprié pour étudier la géométrie de vues multiples est la considération rangée sur la matrice de vues multiples. La partie IV développe des algorithmes de reconstruction pratiques étape par étape ainsi que discute des extensions possibles de la théorie. Des exercices sont fournis à la fin de chaque chapitre. Des logiciels pour des exemples et des algorithmes sont disponibles sur le site Web de l'auteur. Note de contenu : Introduction Part I: INTRODUCTORY MATERIAL Representation of a Three- Dimensional Moving Scene Image Formation * Image Primitives and Correspondence Part II: GEOMETRY OF TWO VIEWS Reconstruction From Two Calibrated Views Reconstruction From Two Uncalibrated Views Segmentation of Multiple Moving Objects From Two Views PART III: GEOMETRY OF MULTIPLE VIEWS Multiple-View Geometry of Points and Lines Extension to General Incidence Relations Geometry and Reconstruction from Symmetry PART IV: APPLICATIONS Step-by-Step building of a 3D Model From Images Visual Feedback APPENDICES An invitation to 3-D vision : from images to geometric models [texte imprimé] . - New York : Springer, 2006 . - 1 vol. (XX-526 p.) : ill. ; 25 cm. - (Interdisciplinary applied mathematics, ISSN 0939-6047; 26) . ISBN : 978-0-387-00893-6 La couv. porte en plus : "Imaging, vision, and graphics" Bibliogr. p. 487-508 Langues : Anglais (eng) Catégories : Informatique Mots-clés : Vision par ordinateur Reconnaissance des formes (informatique) Imagerie tridimensionnelle Infographie Index. décimale : 006.3 Intelligence artificielle Résumé : Ce livre offre aux étudiants débutants et débutants et aux chercheurs en vision informatique, en mathématiques appliquées, en infographie et en robotique une introduction autonome à la géométrie de la vision 3D; Qui est la reconstruction de modèles 3D d'objets à partir d'une collection d'images 2D. Après une brève introduction, la partie I fournit des documents de base pour le reste du livre. Les deux transformations fondamentales, à savoir le mouvement du corps rigide et la projection en perspective sont introduites et la formation d'images et l'extraction de caractéristiques sont discutées. La partie II couvre la théorie classique de la géométrie de deux vues basée sur la contrainte dite épipolaire. La partie III montre qu'un outil plus approprié pour étudier la géométrie de vues multiples est la considération rangée sur la matrice de vues multiples. La partie IV développe des algorithmes de reconstruction pratiques étape par étape ainsi que discute des extensions possibles de la théorie. Des exercices sont fournis à la fin de chaque chapitre. Des logiciels pour des exemples et des algorithmes sont disponibles sur le site Web de l'auteur. Note de contenu : Introduction Part I: INTRODUCTORY MATERIAL Representation of a Three- Dimensional Moving Scene Image Formation * Image Primitives and Correspondence Part II: GEOMETRY OF TWO VIEWS Reconstruction From Two Calibrated Views Reconstruction From Two Uncalibrated Views Segmentation of Multiple Moving Objects From Two Views PART III: GEOMETRY OF MULTIPLE VIEWS Multiple-View Geometry of Points and Lines Extension to General Incidence Relations Geometry and Reconstruction from Symmetry PART IV: APPLICATIONS Step-by-Step building of a 3D Model From Images Visual Feedback APPENDICES

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/2716	Fs/2716-2717	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/2717	Fs/2716-2717	Livre	Bibliothéque des sciences	Français	Disponible Disponible

L'analyse statistique implicative / Gras, Régis

Public ISBD Titre : L'analyse statistique implicative : Des sciences dures aux sciences humaines et sociales Type de document : texte imprimé Auteurs : Gras, Régis, Auteur ; Clazude Régnier,Jean, Auteur Mention d'édition : 3e éd. revue et augmentée Editeur : Toulouse : Cépaduès-éd. Année de publication : 2017 Importance : 1 vol. (460 p.) Présentation : ill. en coul. Format : 24 cm ISBN/ISSN/EAN : 978-2-36493-577-8 Note générale : 978-2-36493-577-8 Langues : Français (fre) Catégories : Mathématique Mots-clés : Mathématique Analyse des données -- Méthodes statistiques Index. décimale : 006.3 Intelligence artificielle Résumé : L'analyse statistique implicative (ASI) est, initialement, une méthode d'analyse de données non symétrique, conçue par Régis Gras, il y a près de quarante ans. À travers thèses, articles de revues, livres et colloques, elle présente maintenant un véritable cadre paradigmatique de traitement statistique de la causalité et de la complexité. Ce cadre est développé encore par son premier auteur, mais aussi par des doctorants et avec la collaboration d'équipes de recherche universitaires françaises et étrangères. Puisant ses origines épistémologiques en didactique des mathématiques, son point de départ est l'évaluation scolaire et, en particulier, une interrogation sur la complexité ressentie au cours de l'apprentissage des mathématiques. À visée prédictive, le support de l'ASI est un modèle mathématique conduisant à une mesure de qualité des relations implicatives entre deux observations comportementales a et b, du type « si on observe a alors on a aussi tendance à observer b, de manière statistiquement significative ». Son extension progressive, toujours en réponse à des attentes applicatives, a permis d'extraire, à partir des données croisant ensemble de variables et ensemble de sujets, deux structures dynamiques des relations entre les variables en jeu sous forme de graphe et de hiérarchie. La nature des variables, initialement binaires, est maintenant élargie à différents types de variables observables, discrètes ou continues (numérique, intervalle, flou, vectoriel, rang,…). Une structure originale duale entre les ensembles variables-sujets, qu'ils soient eux aussi discrets ou continus, est établie. Cet ouvrage représente le 5e mémorandum d'études portant sur le concept d'Analyse Statistique Implicative. Il élargit, en les enrichissant, les éditions précédentes, avec pour objectif de dresser un panorama récent des concepts, modèles, méthodes et applications de l'ASI. Afin de faciliter l'accès à son contenu, les 40 chapitres qui le composent sont regroupés, ponctué Côte titre : Fs/23001 L'analyse statistique implicative : Des sciences dures aux sciences humaines et sociales [texte imprimé] / Gras, Régis, Auteur ; Clazude Régnier,Jean, Auteur  . -  3e éd. revue et augmentée . - Toulouse : Cépaduès-éd., 2017 . - 1 vol. (460 p.) : ill. en coul. ; 24 cm. ISBN : 978-2-36493-577-8 978-2-36493-577-8 Langues : Français (fre) Catégories : Mathématique Mots-clés : Mathématique Analyse des données -- Méthodes statistiques Index. décimale : 006.3 Intelligence artificielle Résumé : L'analyse statistique implicative (ASI) est, initialement, une méthode d'analyse de données non symétrique, conçue par Régis Gras, il y a près de quarante ans. À travers thèses, articles de revues, livres et colloques, elle présente maintenant un véritable cadre paradigmatique de traitement statistique de la causalité et de la complexité. Ce cadre est développé encore par son premier auteur, mais aussi par des doctorants et avec la collaboration d'équipes de recherche universitaires françaises et étrangères. Puisant ses origines épistémologiques en didactique des mathématiques, son point de départ est l'évaluation scolaire et, en particulier, une interrogation sur la complexité ressentie au cours de l'apprentissage des mathématiques. À visée prédictive, le support de l'ASI est un modèle mathématique conduisant à une mesure de qualité des relations implicatives entre deux observations comportementales a et b, du type « si on observe a alors on a aussi tendance à observer b, de manière statistiquement significative ». Son extension progressive, toujours en réponse à des attentes applicatives, a permis d'extraire, à partir des données croisant ensemble de variables et ensemble de sujets, deux structures dynamiques des relations entre les variables en jeu sous forme de graphe et de hiérarchie. La nature des variables, initialement binaires, est maintenant élargie à différents types de variables observables, discrètes ou continues (numérique, intervalle, flou, vectoriel, rang,…). Une structure originale duale entre les ensembles variables-sujets, qu'ils soient eux aussi discrets ou continus, est établie. Cet ouvrage représente le 5e mémorandum d'études portant sur le concept d'Analyse Statistique Implicative. Il élargit, en les enrichissant, les éditions précédentes, avec pour objectif de dresser un panorama récent des concepts, modèles, méthodes et applications de l'ASI. Afin de faciliter l'accès à son contenu, les 40 chapitres qui le composent sont regroupés, ponctué Côte titre : Fs/23001

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/23001	Fs/23001	livre	Bibliothéque des sciences	Français	Disponible Disponible

Apprentissage artificiel / Antoine Cornuéjols

Public ISBD Titre : Apprentissage artificiel : Deep learning, concepts et algorithmes Type de document : texte imprimé Auteurs : Antoine Cornuéjols, Auteur ; Laurent Miclet, Auteur ; Vincent Barra, Auteur Mention d'édition : 3e éd. Editeur : Paris : Eyrolles Année de publication : 2018 Collection : Algorithmes (Paris), ISSN 1625-113X Importance : 1 vol. (899 p.) Présentation : ill. Format : 23 cm ISBN/ISSN/EAN : 978-2-212-67522-1 Note générale : 978-2-212-67522-1 Langues : Français (fre) Catégories : Informatique Mots-clés : Intelligence artificielle 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". La troisième édition de ce livre a été complètement réorganisée pour s'adapter aux évolutions très significatives de l'apprentissage artificiel ces dernières années. Une large place y est accordée aux techniques d'apprentissage profond et à de nouvelles applications, incluant le traitement de flux de données. [Cit. 4e de co Note de contenu : Sommaire P. iii. Table des matières P. ix. Notations P. 1. I Des machines apprenantes ! P. 3. 1 Des algorithmes qui apprennent ? P. 43. 2 Introduction à des approches théoriques de l'induction supervisée P. 85. II L'induction exploitant la structure de l'espace des hypothèses P. 87. 3 Exploitation d'une relation de généralité entre hypothèses P. 111. 4 L'inférence grammaticale P. 153. 5 La programmation logique inductive P. 191. 6 La recherche de motifs dans les données P. 213. 7 Apprentissage et théorie du domaine P. 237. III L'induction par optimisation d'un critère inductif P. 239. 8 L'apprentissage de modèles linéaires P. 269. 9 L'apprentissage de réseaux connexionnistes P. 301. 10 Apprentissage profond P. 339. IV L'induction par comparaison à des exemples (et par collaboration) P. 341. 11 Apprentissage par similarité P. 371. 12 Méthodes à noyaux P. 431. 13 Apprentissage par combinaison d'experts P. 471. V L'apprentissage descriptif P. 473. 14 Apprentissages non supervisés P. 501. 15 Les changements de représentation P. 531. 16 L'apprentissage bayésien et son approximation P. 573. 17 L'apprentissage de réseaux bayésiens P. 603. 18 L'apprentissage de modèles de Markov cachés P. 627. VI Apprentissage en environnement non stationnaire P. 629. 19 L'apprentissage de réflexes par renforcement P. 671. 20 Nouveaux scénarios : apprentissages actif, en ligne et par transfert P. 707. VII Aspects pratiques et suppléments P. 790. 21 L'apprentissage semi-supervisé P. 733. 22 Analyse de l'induction : approfondissement et ouvertures P. 767. 23 Aspects pratiques de l'apprentissage P. 817. VIII Annexes techniques P. 819. 24 Annexes techniques P. 851. Bibliographie P. 891. Index Côte titre : Fs/23260-23261 Apprentissage artificiel : Deep learning, concepts et algorithmes [texte imprimé] / Antoine Cornuéjols, Auteur ; Laurent Miclet, Auteur ; Vincent Barra, Auteur  . -  3e éd. . - Paris : Eyrolles, 2018 . - 1 vol. (899 p.) : ill. ; 23 cm. - (Algorithmes (Paris), ISSN 1625-113X) . ISBN : 978-2-212-67522-1 978-2-212-67522-1 Langues : Français (fre) Catégories : Informatique Mots-clés : Intelligence artificielle 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". La troisième édition de ce livre a été complètement réorganisée pour s'adapter aux évolutions très significatives de l'apprentissage artificiel ces dernières années. Une large place y est accordée aux techniques d'apprentissage profond et à de nouvelles applications, incluant le traitement de flux de données. [Cit. 4e de co Note de contenu : Sommaire P. iii. Table des matières P. ix. Notations P. 1. I Des machines apprenantes ! P. 3. 1 Des algorithmes qui apprennent ? P. 43. 2 Introduction à des approches théoriques de l'induction supervisée P. 85. II L'induction exploitant la structure de l'espace des hypothèses P. 87. 3 Exploitation d'une relation de généralité entre hypothèses P. 111. 4 L'inférence grammaticale P. 153. 5 La programmation logique inductive P. 191. 6 La recherche de motifs dans les données P. 213. 7 Apprentissage et théorie du domaine P. 237. III L'induction par optimisation d'un critère inductif P. 239. 8 L'apprentissage de modèles linéaires P. 269. 9 L'apprentissage de réseaux connexionnistes P. 301. 10 Apprentissage profond P. 339. IV L'induction par comparaison à des exemples (et par collaboration) P. 341. 11 Apprentissage par similarité P. 371. 12 Méthodes à noyaux P. 431. 13 Apprentissage par combinaison d'experts P. 471. V L'apprentissage descriptif P. 473. 14 Apprentissages non supervisés P. 501. 15 Les changements de représentation P. 531. 16 L'apprentissage bayésien et son approximation P. 573. 17 L'apprentissage de réseaux bayésiens P. 603. 18 L'apprentissage de modèles de Markov cachés P. 627. VI Apprentissage en environnement non stationnaire P. 629. 19 L'apprentissage de réflexes par renforcement P. 671. 20 Nouveaux scénarios : apprentissages actif, en ligne et par transfert P. 707. VII Aspects pratiques et suppléments P. 790. 21 L'apprentissage semi-supervisé P. 733. 22 Analyse de l'induction : approfondissement et ouvertures P. 767. 23 Aspects pratiques de l'apprentissage P. 817. VIII Annexes techniques P. 819. 24 Annexes techniques P. 851. Bibliographie P. 891. Index Côte titre : Fs/23260-23261

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/23260	Fs/23260-23261	livre	Bibliothéque des sciences	Français	Disponible Sorti jusqu'au 09/01/2024
Fs/23261	Fs/23260-23261	livre	Bibliothéque des sciences	Français	Disponible Disponible

Apprentissage machine, clé de l'intelligence artificielle / Rémi Gilleron

Permalink

Apprentissage machine / Massih-Reza Amini  

Permalink

C 4.5 / J. R. Quinlan

Permalink

Data science par analyse des donn©es symboliques / Afonso, Filipe

Permalink

Découverte du machine learning

Permalink

Deep learning / Ian Goodfellow

Permalink

Deep learning avec Keras et TensorFlow / Aurélien Géron

Permalink

Deep learning / StÐephane Tuffery

Permalink

Embodied conversational agents / Justine Cassell

Permalink

Foundations of machine learning / Mehryar Mohri

Permalink

---

1 2 3 (1 - 15 / 40) Par page : 25 Tout afficher