Nouveauté
Techniques et Outils pour L'intelligence Artificielle via Python. Apprentissage Supervisé : Machine à Vecteur de Support, Assemblage de Modèles et Réseaux Neuronaux
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 :
- FormatePub
- ISBN8231139910
- EAN9798231139910
- Date de parution10/07/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurWalzone Press
Résumé
L'intelligence artificielle combine des algorithmes mathématiques et des techniques de Machine Learning, Deep Learning et Big Data pour extraire les connaissances contenues dans les données et les présenter de manière compréhensible et automatique. La plupart des techniques d'apprentissage automatique supervisé sont développées tout au long de ce livre d'un point de vue méthodologique et d'un point de vue pratique avec des applications à l'aide du logiciel Python.
Les techniques suivantes sont traitées en profondeur : le plus proche voisin (kNN), la machine à vecteur de support (SVM), Naive Bayes, les méthodes d'ensemble, le bagging, le boosting, le vote, l'empilage, le blending, la forêt aléatoire, les réseaux neuronaux, le perceptron multicouche, les réseaux à base radiale, les réseaux Hopfield, les réseaux LSTM, les réseaux récurrents RNN, les réseaux GRU et les réseaux neuronaux pour la prédiction des séries temporelles.
Ce livre utilise, entre autres, les outils TensorFlow, Keras, PyTorch et Scikit-learn. Les techniques sont développées à l'aide du langage de programmation Python.
Les techniques suivantes sont traitées en profondeur : le plus proche voisin (kNN), la machine à vecteur de support (SVM), Naive Bayes, les méthodes d'ensemble, le bagging, le boosting, le vote, l'empilage, le blending, la forêt aléatoire, les réseaux neuronaux, le perceptron multicouche, les réseaux à base radiale, les réseaux Hopfield, les réseaux LSTM, les réseaux récurrents RNN, les réseaux GRU et les réseaux neuronaux pour la prédiction des séries temporelles.
Ce livre utilise, entre autres, les outils TensorFlow, Keras, PyTorch et Scikit-learn. Les techniques sont développées à l'aide du langage de programmation Python.
L'intelligence artificielle combine des algorithmes mathématiques et des techniques de Machine Learning, Deep Learning et Big Data pour extraire les connaissances contenues dans les données et les présenter de manière compréhensible et automatique. La plupart des techniques d'apprentissage automatique supervisé sont développées tout au long de ce livre d'un point de vue méthodologique et d'un point de vue pratique avec des applications à l'aide du logiciel Python.
Les techniques suivantes sont traitées en profondeur : le plus proche voisin (kNN), la machine à vecteur de support (SVM), Naive Bayes, les méthodes d'ensemble, le bagging, le boosting, le vote, l'empilage, le blending, la forêt aléatoire, les réseaux neuronaux, le perceptron multicouche, les réseaux à base radiale, les réseaux Hopfield, les réseaux LSTM, les réseaux récurrents RNN, les réseaux GRU et les réseaux neuronaux pour la prédiction des séries temporelles.
Ce livre utilise, entre autres, les outils TensorFlow, Keras, PyTorch et Scikit-learn. Les techniques sont développées à l'aide du langage de programmation Python.
Les techniques suivantes sont traitées en profondeur : le plus proche voisin (kNN), la machine à vecteur de support (SVM), Naive Bayes, les méthodes d'ensemble, le bagging, le boosting, le vote, l'empilage, le blending, la forêt aléatoire, les réseaux neuronaux, le perceptron multicouche, les réseaux à base radiale, les réseaux Hopfield, les réseaux LSTM, les réseaux récurrents RNN, les réseaux GRU et les réseaux neuronaux pour la prédiction des séries temporelles.
Ce livre utilise, entre autres, les outils TensorFlow, Keras, PyTorch et Scikit-learn. Les techniques sont développées à l'aide du langage de programmation Python.
