Machine learning : les fondamentaux
Par :Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format ePub 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
, 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 pages154
- FormatePub
- ISBN978-2-412-05839-8
- EAN9782412058398
- Date de parution12/03/2020
- Protection num.Digital Watermarking
- Taille3 Mo
- ÉditeurFirst Interactive
- TraducteurOlivier Engler
Résumé
Entrez de plain-pied dans le monde fascinant la data science avec cet ouvrage pratique, véritable pense bête de tous les data scientists, ingénieurs ou programmeurs
Vous aussi participez à la révolution qui ramène l'intelligence artificielle au coeur de notre société, grace aux data scientists.
La data science consiste à traduire des problèmes de toute autre nature, en problèmes de modélisation quantitative, résolus par des algorithmes de traitement.
Au programme :
Les différentes versions de Python
L'apprentissage non supervisé et le préprocessing
Représenter les données
Processus de validation
Algorithmes, chaînes et pipeline
Travailler avec des données de type texte
Utiliser Sikit-learn
Entrez de plain-pied dans le monde fascinant la data science avec cet ouvrage pratique, véritable pense bête de tous les data scientists, ingénieurs ou programmeurs
Vous aussi participez à la révolution qui ramène l'intelligence artificielle au coeur de notre société, grace aux data scientists.
La data science consiste à traduire des problèmes de toute autre nature, en problèmes de modélisation quantitative, résolus par des algorithmes de traitement.
Au programme :
Les différentes versions de Python
L'apprentissage non supervisé et le préprocessing
Représenter les données
Processus de validation
Algorithmes, chaînes et pipeline
Travailler avec des données de type texte
Utiliser Sikit-learn