Introduction au Machine Learning - 2e éd.
Par :Formats :
Actuellement indisponible
Cet article est actuellement indisponible, il ne peut pas être commandé sur notre site pour le moment. Nous vous invitons à vous inscrire à l'alerte disponibilité, vous recevrez un e-mail dès que cet ouvrage sera à nouveau disponible.
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format PDF protégé est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
- Non compatible avec un achat hors France métropolitaine
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
C'est si simple ! Lisez votre ebook avec l'app Vivlio sur votre tablette, mobile ou ordinateur :
- Nombre de pages272
- FormatPDF
- ISBN978-2-10-084143-1
- EAN9782100841431
- Date de parution02/02/2022
- Copier CollerNon Autorisé
- Protection num.Adobe DRM
- Taille11 Mo
- Infos supplémentairespdf
- ÉditeurDunod
Résumé
Le machine learning (apprentissage automatique) est au coeur des data sciences et s'applique à une multitude de domaines tels que la reconnaissance des visages par ordinateur, la traduction automatique d'une langue à l'autre, la conduite automobile automatique, la publicité ciblée, l'analyse des réseaux sociaux, le trading financier, ... Ce livre propose une introduction aux concepts et aux algorithmes qui fondent le machine learning.
Son objectif est de fournir au lecteur les outils pour : - identifier les problèmes qui peuvent être résolus par du machine learning, - formaliser ces problèmes en termes de machine learning, - identifier quels sont les algorithmes appropriés et apprendre à les mettre en oeuvre, - savoir évaluer et comparer les performances de plusieurs algorithmes. Chaque chapitre est complété par des exercices corrigés.
Cette seconde édition a été complétée par de nouvelles méthodes comme le clustering spectral, le clustering par mélange de gaussiennes, et la réduction de dimension avec UMAP.
Son objectif est de fournir au lecteur les outils pour : - identifier les problèmes qui peuvent être résolus par du machine learning, - formaliser ces problèmes en termes de machine learning, - identifier quels sont les algorithmes appropriés et apprendre à les mettre en oeuvre, - savoir évaluer et comparer les performances de plusieurs algorithmes. Chaque chapitre est complété par des exercices corrigés.
Cette seconde édition a été complétée par de nouvelles méthodes comme le clustering spectral, le clustering par mélange de gaussiennes, et la réduction de dimension avec UMAP.
Le machine learning (apprentissage automatique) est au coeur des data sciences et s'applique à une multitude de domaines tels que la reconnaissance des visages par ordinateur, la traduction automatique d'une langue à l'autre, la conduite automobile automatique, la publicité ciblée, l'analyse des réseaux sociaux, le trading financier, ... Ce livre propose une introduction aux concepts et aux algorithmes qui fondent le machine learning.
Son objectif est de fournir au lecteur les outils pour : - identifier les problèmes qui peuvent être résolus par du machine learning, - formaliser ces problèmes en termes de machine learning, - identifier quels sont les algorithmes appropriés et apprendre à les mettre en oeuvre, - savoir évaluer et comparer les performances de plusieurs algorithmes. Chaque chapitre est complété par des exercices corrigés.
Cette seconde édition a été complétée par de nouvelles méthodes comme le clustering spectral, le clustering par mélange de gaussiennes, et la réduction de dimension avec UMAP.
Son objectif est de fournir au lecteur les outils pour : - identifier les problèmes qui peuvent être résolus par du machine learning, - formaliser ces problèmes en termes de machine learning, - identifier quels sont les algorithmes appropriés et apprendre à les mettre en oeuvre, - savoir évaluer et comparer les performances de plusieurs algorithmes. Chaque chapitre est complété par des exercices corrigés.
Cette seconde édition a été complétée par de nouvelles méthodes comme le clustering spectral, le clustering par mélange de gaussiennes, et la réduction de dimension avec UMAP.
A propos de Chloé-Agathe Azencott
18,99 €
Introduction au Machine Learning
3e édition
Grand Format
26,90 €