Apprentissage artificiel / Antoine Cornuéjols

Public ISBD 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

Exemplaires (5)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/19539	Fs/19539	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/4613	Fs/4613-4615	livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/4614	Fs/4613-4615	livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/4615	Fs/4613-4615	livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/7119	Fs/7119	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

---

1 (1 - 2 / 2)