Introduction au machine learning / Chloé-Agathe Azencott,...
LivresLangue: français.Mention d'édition: 2e éditionÉditeur : Malakoff : Dunod, DL 2022Description : 1 volume (VIII-263 p.) :
graph., fig., tabl., couv. ill. en coul. ;
24 cmISBN: 978-2-10-083476-1.Collection : Info sup (Paris. 2015), 2429-263XA pour autre édition sur un support différent : Introduction au machine learning, Chloé-Agathe Azencott,..., 2022, Malakoff, Dunod, 978-21-0084-143-1 ; Introduction au machine learning, Chloé-Agathe Azencott,.., 2e édition, 2022, [Paris], Cairn, 978-21-0084-143-1Résumé : Une introduction aux principes et aux algorithmes du machine learning, ou apprentissage automatique. L'auteure explique comment résoudre et formaliser certains problèmes grâce à ce champ d'étude, à identifier les algorithmes appropriés et à évaluer leurs performances. Avec des exercices corrigés. Edition complétée de nouvelles méthodes telles que le clustering spectral. [Electre 2022]"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." [4e de couverture]Sujet - Nom commun: Apprentissage automatique | Données massives Gestion | Analyse des données | Algorithmes Sujet - Forme: Manuels d'enseignement supérieur
Voir dans le SUDOC
| Item type | Current library | Collection | Shelving location | Call number | Status | Date due | Barcode | Item holds | |
|---|---|---|---|---|---|---|---|---|---|
| Prêt normal | Enssib | Papier | Pôle Information numérique et médias | 006 ORG a (Browse shelf(Opens below)) | Available | 9200469 |
Bibliogr. dispersée. Index
Une introduction aux principes et aux algorithmes du machine learning, ou apprentissage automatique. L'auteure explique comment résoudre et formaliser certains problèmes grâce à ce champ d'étude, à identifier les algorithmes appropriés et à évaluer leurs performances. Avec des exercices corrigés. Edition complétée de nouvelles méthodes telles que le clustering spectral. Electre 2022
"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." 4e de couverture
Chapitre 1, Présentation du machine learning Chapitre 2, Apprentissage supervisé Chapitre 3, Sélection de modèle et évaluation Chapitre 4, Inférence bayésienne Chapitre 5, Régressions paramétriques Chapitre 6, Régularisation Chapitre 7, Réseaux de neurones artificiels Chapitre 8, Méthodes des plus proches voisins Chapitre 9, Arbres et forêts Chapitre 10, Machines à vecteurs de support et méthodes à noyaux Chapitre 11, Réduction de dimension Chapitre 12, Clustering
There are no comments on this title.