Le Machine Learning et l'IA générative avec Python : de la théorie à la pratique
Ce livre sur le Machine Learning et l'IA générative avec le langage Python permet de disposer des connaissances théoriques nécessaire pour une compréhension approfondie du Machnie Learning et d'appréhender les outils techniques utiles pour mettre en pratique les concepts étudiés. L'au...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Livre papier |
| Lenguaje: | Français |
| Publicado: |
St Herblain :
Éditions ENI
C 2025.
|
| Edición: | 2e édition. |
| Colección: | Expert IT
|
| Materias: | |
| Nota: |
IA : intelligence artificielle La graphie correcte du lieu d'édition est : Saint-Herblain |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Le Machine Learning et l'intelligence artificielle générative avec Python :, de la théorie à la pratique |
| Edition sous un autre format: | • Le Machine Learning et l'IA générative avec Python, de la théorie à la pratique, Madjid Khichane, 2e édition, 2025, St-Herblain, Editions ENI, Expert IT, 978-2-4090-5002-2 |
| LEADER | 04957nam a22003497a 4500 | ||
|---|---|---|---|
| 001 | 1339209 | ||
| 008 | 250623t20252025xxe ||| |||| 00| 0 fre d | ||
| 009 | PPN285517201 | ||
| 020 | |a 9782409050015 (broché) : |c 39 EUR | ||
| 024 | |a 9782409050015 | ||
| 041 | 0 | |a fre | |
| 082 | |a 006.31 |z fre | ||
| 100 | 1 | |a Khichane, Madjid, |d 1980- | |
| 240 | 1 | 0 | |a Le Machine Learning et l'intelligence artificielle générative avec Python : |b de la théorie à la pratique |
| 245 | 1 | 0 | |a Le Machine Learning et l'IA générative avec Python : |b de la théorie à la pratique |c Madjid Khichane ; préface de Patrick Albert,... |
| 250 | |a 2e édition. | ||
| 260 | |a St Herblain : |b Éditions ENI. | ||
| 260 | |c C 2025. | ||
| 300 | |a 1 volume (914 pages) : |b illustrations, graphiques, couverture illustrée en couleurs ; |c 22 cm. | ||
| 490 | 1 | |a Expert IT | |
| 500 | |a IA : intelligence artificielle | ||
| 500 | |a La graphie correcte du lieu d'édition est : Saint-Herblain | ||
| 504 | |a Index | ||
| 505 | 0 | |a P. 23 -- Avant-propos -- P. 33 -- Partie 1 : La Data Science - Concepts généraux -- Chapitre 1-1 : La Data Science -- P. 77 -- Partie 2 : Outils techniques de la Data Science - Python, NumPy, Pandas et Jupyter -- Chapitre 2-1 : Le langage Python -- P. 187 -- Chapitre 2-2 : La bibliothèque NumPy -- P. 225 -- Chapitre 2-3 : La bibliothèque Pandas -- P. 269 -- Chapitre 2-4 : Travailler avec Jupyter -- P. 305 -- Partie 3 : Les statistiques -- Chapitre 3-1 : Statistiques -- P. 365 -- Partie 4 : Les grands algorithmes du Machine Learning -- Chapitre 4-1 : La régression linéaire et polynomiale -- P. 417 -- Chapitre 4-2 : La régression logistique -- P. 437 -- Chapitre 4-3 : Arbres de décision et Random Forest -- P. 457 -- Chapitre 4-4 : L'algorithme k-means -- P. 503 -- Chapitre 4-5 : Support Vector Machine -- P. 547 -- Chapitre 4-6 : Analyse en composantes principales -- P. 585 -- Chapitre 4-7 : Les réseaux de neurones -- P. 613 -- Partie 5 : Le Deep Learning et le traitement automatique du langage -- Chapitre 5-1 : Le Deep Learning avec TensorFlow -- P. 697 -- Chapitre 5-2 : Le Deep Learning avec OpenCV -- P. 731 -- Chapitre 5-3 : Les réseaux de neurons antagonistes génératifs -- P. 795 -- Chapitre 5-4 : Le traitement automatique du langage -- P. 819 -- Chapitre 5-5 : Le prompt engineering -- P. 855 -- Annexe : La programmation orientée objet avec Python | |
| 520 | |a Ce livre sur le Machine Learning et l'IA générative avec le langage Python permet de disposer des connaissances théoriques nécessaire pour une compréhension approfondie du Machnie Learning et d'appréhender les outils techniques utiles pour mettre en pratique les concepts étudiés. L'auteur y expose des exemples concrets sur les concepts de l'apprentissage automatique. Les lecteurs avertis trouveront dans ce livre une occasion d'aller plus loin dans leur compréhension des algorithmes du Machnie Learning. L'auteur commence par expliquer les enjeux de la Data Science ainsi que les notions fondamentales du Machnie Learning avant de présenter la démarche théorique d'une expérimentation en Data Science avec les notions de modélisation d'un problème et de métriques de mesure de performances d'un modèle. Le lecteur peut ensuite passer à la pratique en manipulant les bibliothèques Python NumPy et Pandas, ainsi que l'environnement Jupyter. Il peut ainsi aborder sereinement les chapitres à venir, qui lui feront découvrir les concepts mathématiques, et la pratique sous-jacente, relatifs aux algorithmes du Machine Learning et de l'IA générative, tels que les statistiques pour la Data Science, les régressions linéaire, polynomiale ou logistique, les arbres de décision et Random Forest, l'algorithme K-means, les machines à vecteurs de support (Support Vector Machine), l'analyse en composantes principales, les réseaux de neurones. Le Deep Learning avec les Generative Adversarial Networks pour le développement de vos propres modèles de génération d'images réalistes. Les notions de Deep Learning, sont mises en pratique avec TensorFlow, OpenCV et PyTorch dans les environnements Google Colab et VSCode. Pour conclure son apprentissage, le lecteur abordera le traitement automatique du langage (Natural Language Processing) et les concepts fondamentaux du Prompts Engineering. | ||
| 650 | |a Apprentissage automatique | ||
| 650 | |a Données massives | ||
| 650 | |a Intelligence artificielle générative | ||
| 650 | |a Python (langage de programmation) | ||
| 700 | 1 | |a Albert, Patrick, |d 19..- |4 aui | |
| 776 | 0 | |0 288760875 |t Le Machine Learning et l'IA générative avec Python |o de la théorie à la pratique |f Madjid Khichane |e 2e édition |d 2025 |c St-Herblain |n Editions ENI |s Expert IT |z 978-2-4090-5002-2 | |
| 997 | |0 1339209 |1 Livre papier |a Ressource papier |b INSA |c 0/Bourges/ |c 0/Orléans/ |c 1/Bourges/INSA CVL/ |c 1/Orléans/BU Sciences, Technologies, STAPS/ |z Orléans, BU Sciences, Technologies, STAPS, 006.31 KHI |z Bourges, INSA CVL, 006.31 KHI | ||