- 283 pages
- French
- PDF
- Disponible sur iOS et Android
eBook - PDF
Introduction au Machine Learning - 3e éd.
À propos de ce livre
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.
Cette 3 e édition propose de nouveaux exercices mis à jour.
Foire aux questions
Oui, vous pouvez résilier à tout moment à partir de l'onglet Abonnement dans les paramètres de votre compte sur le site Web de Perlego. Votre abonnement restera actif jusqu'à la fin de votre période de facturation actuelle. Découvrez comment résilier votre abonnement.
Non, les livres ne peuvent pas être téléchargés sous forme de fichiers externes, tels que des PDF, pour être utilisés en dehors de Perlego. Cependant, vous pouvez télécharger des livres dans l'application Perlego pour les lire hors ligne sur votre téléphone portable ou votre tablette. Découvrez-en plus ici.
Perlego propose deux abonnements : Essentiel et Complet
- Essentiel est idéal pour les étudiants et les professionnels qui aiment explorer un large éventail de sujets. Accédez à la bibliothèque Essentiel comprenant plus de 800 000 titres de référence et best-sellers dans les domaines du commerce, du développement personnel et des sciences humaines. Il comprend un temps de lecture illimité et la voix standard de la fonction Écouter.
- Complet est parfait pour les étudiants avancés et les chercheurs qui ont besoin d'un accès complet et illimité. Accédez à plus de 1,4 million de livres sur des centaines de sujets, y compris des titres académiques et spécialisés. L'abonnement Complet comprend également des fonctionnalités avancées telles que la fonction Écouter Premium et l'Assistant de recherche.
Nous sommes un service d'abonnement à des ouvrages universitaires en ligne, où vous pouvez accéder à toute une bibliothèque pour un prix inférieur à celui d'un seul livre par mois. Avec plus d'un million de livres sur plus de 1 000 sujets, nous avons ce qu'il vous faut ! Découvrez-en plus ici.
Recherchez le symbole Écouter sur votre prochain livre pour voir si vous pouvez l'écouter. L'outil Écouter lit le texte à haute voix pour vous, en surlignant le passage qui est en cours de lecture. Vous pouvez le mettre sur pause, l'accélérer ou le ralentir. Découvrez-en plus ici.
Oui ! Vous pouvez utiliser l'application Perlego sur les appareils iOS ou Android pour lire à tout moment, n'importe où, même hors ligne. Parfait pour les trajets quotidiens ou lorsque vous êtes en déplacement.
Veuillez noter que nous ne pouvons pas prendre en charge les appareils fonctionnant sur iOS 13 et Android 7 ou versions antérieures. En savoir plus sur l'utilisation de l'application.
Veuillez noter que nous ne pouvons pas prendre en charge les appareils fonctionnant sur iOS 13 et Android 7 ou versions antérieures. En savoir plus sur l'utilisation de l'application.
Oui, vous pouvez accéder à Introduction au Machine Learning - 3e éd. par Chloé-Agathe Azencott en format PDF et/ou ePUB ainsi qu'à d'autres livres populaires dans Mathematics et Mathematics General. Nous disposons de plus d'un million d'ouvrages à découvrir dans notre catalogue.
Informations
Table des matières
- Introduction au Machine Learning
- AVANT-PROPOS
- 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 • MÉTHODE 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
- ANNEXE A • NOTIONS D’OPTIMISATION CONVEXE
- ANNEXE B • NOTIONS D’ESTIMATION PONCTUELLE
- INDEX