Apprentissage machine, clé de l'intelligence artificielle : une introduction pour non-spécialistes / Rémi Gilleron
LivresLangue: français ; de la table des matières, français.Éditeur : Paris : Ellipses • C 2019Description : 1 vol. (192 p.) :
graph., fig., tabl., couv. ill. en coul. ;
24 cmISBN: 978-2-340-02880-7.Collection : Références sciences, 2260-8044Résumé : La 4e de couv. indique : "Cet ouvrage introductif s'adresse en priorité à des étudiants de licence scientifique et à des étudiants non scientifiques souhaitant découvrir les fondements de l'apprentissage machine. L'objectif principal est de faire comprendre les algorithmes et systèmes principaux d'apprentissage machine utilisés en science des données : les arbres de décision, les méthodes d'ensemble, les séparateurs à vastes marges et les réseaux de neurones. En particulier, comprendre pourquoi il existe différents systèmes d'apprentissage, comprendre les avantages et inconvénients de chacun des systèmes, comprendre comment les utiliser au mieux en effectuant les meilleurs choix possibles. Ceci doit permettre au lecteur d'être un utilisateur intelligent des méthodes de fouille de données et, par conséquent, lui permettre de les utiliser pour résoudre des tâches dans son domaine de compétence."Sujet - Nom commun: Apprentissage automatique | Intelligence artificielle Sujet - Forme: Manuels d'enseignement supérieur 
Voir dans le SUDOC
List(s) this item appears in:
# Intelligence artificielle
| Item type | Current library | Collection | Shelving location | Call number | Status | Date due | Barcode | Item holds | |
|---|---|---|---|---|---|---|---|---|---|
| Communication réserves | Enssib | Papier | Réserve 2 | R-08155 (Browse shelf(Opens below)) | Available | 909923F |
Notes bibliogr. et webogr. Index
La 4e de couv. indique : "Cet ouvrage introductif s'adresse en priorité à des étudiants de licence scientifique et à des étudiants non scientifiques souhaitant découvrir les fondements de l'apprentissage machine. L'objectif principal est de faire comprendre les algorithmes et systèmes principaux d'apprentissage machine utilisés en science des données : les arbres de décision, les méthodes d'ensemble, les séparateurs à vastes marges et les réseaux de neurones. En particulier, comprendre pourquoi il existe différents systèmes d'apprentissage, comprendre les avantages et inconvénients de chacun des systèmes, comprendre comment les utiliser au mieux en effectuant les meilleurs choix possibles. Ceci doit permettre au lecteur d'être un utilisateur intelligent des méthodes de fouille de données et, par conséquent, lui permettre de les utiliser pour résoudre des tâches dans son domaine de compétence."
There are no comments on this title.