| Titre : |
Introduction au machine learning |
| Type de document : |
texte imprimé |
| Auteurs : |
Chloé-Agathe Azencott, Auteur |
| Editeur : |
Paris ; Malakoff : Dunod |
| Année de publication : |
2018 |
| Collection : |
Info Sup |
| Importance : |
XI, 227 p. |
| Présentation : |
ill. |
| Format : |
24 cm |
| ISBN/ISSN/EAN : |
978-2-10-078080-8 |
| Note générale : |
La couv. porte en plus : L3, Masters, Écoles d'ingénieurs.
Existe la nouvelle présentation avec corrections 2019, ISBN : 978-2-10-080153-4
Notes bibliogr. - Index |
| Langues : |
Français (fre) |
| Mots-clés : |
Apprentissage automatique -- Manuels d'enseignement supérieur
Données massives -- Gestion -- Manuels d'enseignement supérieur
Algorithmes -- Manuels d'enseignement supérieur |
| Index. décimale : |
004.8 Intelligence artificielle |
| Résumé : |
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 : |
Au sommaire :
1. Présentation du machine learning.
2. Apprentissage supervisé.
3. Sélection de modèle et évaluation.
4. Inférence bayésienne.
5. Régressions paramétriques.
6. Régularisation.
7. Réseaux de neurones artificiels.
8. Méthode des plus proches voisins.
9. Arbres et forêts.
10. Machines à vecteurs de support et méthodes à noyaux.
11. Réduction de dimension.
12. Clustering. |
Introduction au machine learning [texte imprimé] / Chloé-Agathe Azencott, Auteur . - Paris ; Malakoff : Dunod, 2018 . - XI, 227 p. : ill. ; 24 cm. - ( Info Sup) . ISBN : 978-2-10-078080-8 La couv. porte en plus : L3, Masters, Écoles d'ingénieurs.
Existe la nouvelle présentation avec corrections 2019, ISBN : 978-2-10-080153-4
Notes bibliogr. - Index Langues : Français ( fre)
| Mots-clés : |
Apprentissage automatique -- Manuels d'enseignement supérieur
Données massives -- Gestion -- Manuels d'enseignement supérieur
Algorithmes -- Manuels d'enseignement supérieur |
| Index. décimale : |
004.8 Intelligence artificielle |
| Résumé : |
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 : |
Au sommaire :
1. Présentation du machine learning.
2. Apprentissage supervisé.
3. Sélection de modèle et évaluation.
4. Inférence bayésienne.
5. Régressions paramétriques.
6. Régularisation.
7. Réseaux de neurones artificiels.
8. Méthode des plus proches voisins.
9. Arbres et forêts.
10. Machines à vecteurs de support et méthodes à noyaux.
11. Réduction de dimension.
12. Clustering. |
|  |
Ajouter le résultat dans votre panier Faire une suggestion Affiner la rechercheIntroduction au machine learning (2018)
