Machine learning : programmes libres (GPLv3) essentiels au développement de solutions big data
Machine Learning et intelligence artificielle. Le Machine Learning est l'un des domaines de l'intelligence artificielle qui a pour but de concevoir des programmes qui ne sont pas explicitement codés pour s'acquitter d'une tâche particulière. Les concepts de ce domaine sont fondés...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | |
| Format: | Livre papier |
| Langue: | Français |
| Publié: |
Paris :
Éditions Eyrolles
DL 2020.
|
| Édition: | 2e édition. |
| Collection: | Algorithmes
|
| Sujets: | |
| Autres localisations: | Voir dans le Sudoc |
| Edition sous un autre format: | • Machine learning, programmes libres (gplv3) essentiels au développement de solutions big data, Amini Massih-Reza, 2020, Paris, Eyrolles, 978-22-1247-984-3 |
| LEADER | 03874nam a22003137a 4500 | ||
|---|---|---|---|
| 001 | 832710 | ||
| 008 | 200630s2020 xxe ||| |||| 00| 0 fre d | ||
| 009 | PPN245280855 | ||
| 020 | |a 9782212679472 (br.) : |c 39 EUR | ||
| 024 | |a 9782212679472 | ||
| 041 | 0 | |a fre |f fre | |
| 082 | |a 006.31 |z fre | ||
| 100 | 1 | |a Amini, Massih-Reza, |d 19..-...., |c chercheur en informatique. | |
| 245 | 1 | 0 | |a Machine learning : |b programmes libres (GPLv3) essentiels au développement de solutions big data |c Massih-Reza Amini ; préface de Francis Bach. |
| 250 | |a 2e édition. | ||
| 260 | |a Paris : |b Éditions Eyrolles, |c DL 2020. | ||
| 300 | |a 1 volume (XVIII-308 p.) : |b ill., fig. ; |c 23 cm. | ||
| 490 | 0 | |a Algorithmes | |
| 504 | |a Bibliogr. p. [287]-300. Index | ||
| 505 | 0 | |a 1, Principes de base en apprentissage supervisé -- 2, Bornes de généralisation dépendantes des données -- 3, Algorithmes d'optimisation à direction de descente -- 4, Deep learning -- 5, Séparateurs à Vaste Marge -- 6, Boosting -- 7, Apprentissage semi-supervisé -- 8, Apprentissage de fonctions d'ordonnancement -- Annexe A : Rappels de probabilités -- Annexe B : Codes programmes | |
| 520 | |a Machine Learning et intelligence artificielle. Le Machine Learning est l'un des domaines de l'intelligence artificielle qui a pour but de concevoir des programmes qui ne sont pas explicitement codés pour s'acquitter d'une tâche particulière. Les concepts de ce domaine sont fondés sur la logique inférentielle et tentent de dégager des règles générales à partir d'un nombre fini d'observations. Un ouvrage de référence. Cet ouvrage présente les fondements scientifiques de la théorie de l'apprentissage supervisé, les algorithmes les plus répandus développés suivant ce domaine ainsi que les deux cadres de l'apprentissage semi-supervisé et de l'ordonnancement, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. La première édition, connue sous le nom Apprentissage machine, fut traduite en chinois par les éditions iTuring. Dans cette deuxième édition, un nouveau chapitre est dédié au Deep Learning, sur les réseaux de neurones artificiels, et nous avons réorganisé les autres chapitres pour un exposé cohérent reliant la théorie aux algorithmes développés dans cette sphère. Vous trouverez également dans cette édition quelques programmes des algorithmes classiques, écrits en langages Python et C (langages à la fois simples et populaires), et à destination des lecteurs qui souhaitent connaître le fonctionnement de ces modèles désignés parfois comme des boites noires. Ces programmes libres (GPLv3) essentiels au développement de solutions big data sont déposés progressivement sur ce gitlab (https://gricad- gitlab.univ-grenoble-alpes.fr/aminima/machine-learning-tools). À qui s'adresse ce livre ? Aux élèves ingénieurs, étudiants de master et doctorants en mathématiques appliquées, algorithmique, recherche opérationnelle, gestion de production, aide à la décision. Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes de classification, de partitionnement et d'ordonnancement à large échelle | ||
| 650 | |a Apprentissage automatique | ||
| 650 | |a Apprentissage supervisé (intelligence artificielle) | ||
| 650 | |a Intelligence computationnelle | ||
| 650 | |a Apprentissage profond | ||
| 650 | |a Réseaux neuronaux (informatique) | ||
| 700 | 1 | |a Bach, Francis, |d 1974-...., |c chercheur en informatique. |4 aui | |
| 776 | 0 | |0 244333084 |t Machine learning |o programmes libres (gplv3) essentiels au développement de solutions big data |f Amini Massih-Reza |d 2020 |c Paris |n Eyrolles |z 978-22-1247-984-3 | |
| 997 | |0 832710 |1 Livre papier |a Ressource papier |c 0/Orléans/ |c 1/Orléans/BU Sciences, Technologies, STAPS/ |z Orléans, BU Sciences, Technologies, STAPS, 006.3 AMI | ||