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...
Spremljeno u:
| Glavni autor: | |
|---|---|
| Daljnji autori: | |
| Format: | Livre papier |
| Jezik: | Français |
| Izdano: |
St Herblain :
Éditions ENI
C 2025.
|
| Izdanje: | 2e édition. |
| Serija: | Expert IT
|
| Teme: | |
| Bilješka: |
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 |
Sadržaj:
- 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