Introduction au machine learning
Chloé-Agathe Azencott - Collection Info sup
272 pages, parution le 02/02/2022
(3eme édition)
Résumé
Cet ouvrage s'adresse aux étudiantes et étudiants en informatique ou maths appliquées, en L3, master ou école d'ingénieurs.
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 85 exercices, tous corrigés.
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 85 exercices, tous corrigés.
L'auteur - Chloé-Agathe Azencott
Chloé-Agathe Azencott. Maître de conférences à MINES ParisTech. Chargée de recherche au CBIO (Centre de bio-informatique) de MINES ParisTech, de l'Institut Curie et de l'INSERM. Enseignante à CentraleSupélec.
Sommaire
Présentation du machine learning
Apprentissage supervisé
Sélection de modèle et évaluation
Inférence bayésienne
Régressions paramétriques
Régularisation
Réseaux de neurones artificiels
Méthodes des plus proches voisins
Arbres et forêts
Machines à vecteurs de support et méthodes à noyaux
Réduction de dimension
Clustering
Apprentissage supervisé
Sélection de modèle et évaluation
Inférence bayésienne
Régressions paramétriques
Régularisation
Réseaux de neurones artificiels
Méthodes des plus proches voisins
Arbres et forêts
Machines à vecteurs de support et méthodes à noyaux
Réduction de dimension
Clustering
Voir tout
Replier
Caractéristiques techniques
| PAPIER | NUMERIQUE | |
| Éditeur(s) | Dunod | |
| Auteur(s) | Chloé-Agathe Azencott | |
| Collection | Info sup | |
| Parution | 02/02/2022 | 02/02/2022 |
| Édition | 3eme édition | |
| Nb. de pages | 272 | 272 |
| Format | 17 x 24 | - |
| Couverture | Broché | - |
| Poids | 522g | - |
| Intérieur | Noir et Blanc | - |
| Contenu | - |
PDF |
| EAN13 | 9782100834761 |
9782100841431 |
| ISBN13 | 978-2-10-083476-1 | - |
Avantages Eyrolles.com
Livraison à partir de 0,01 € en France métropolitaine
Paiement en ligne SÉCURISÉ
Livraison dans le monde
Retour sous 15 jours
+ d'un million et demi de livres disponibles
Nos clients ont également acheté
Consultez aussi
- Les meilleures ventes en Graphisme & Photo
- Les meilleures ventes en Informatique
- Les meilleures ventes en Construction
- Les meilleures ventes en Entreprise & Droit
- Les meilleures ventes en Sciences
- Les meilleures ventes en Littérature
- Les meilleures ventes en Arts & Loisirs
- Les meilleures ventes en Vie pratique
- Les meilleures ventes en Voyage et Tourisme
- Les meilleures ventes en BD et Jeunesse
- Informatique Développement d'applications Techniques de programmation Programmation fonctionnelle
- Informatique Développement d'applications Techniques de programmation Programmation parallèle et multithreading
- Informatique Développement d'applications Algorithmique et informatique appliquée
- Informatique Développement d'applications Technologies objet Programmation objet
- Sciences Techniques Robotique
- Sciences Techniques Intelligence artificielle
- Sciences Techniques Automatique
