Titulaire d'une maîtrise de mathématiques, Rémi Gilleron a été professeur de lycée en mathématiques. Après un doctorat d'informatique, il a été maître de conférences puis professeur d'université en informatique. Il a enseigné l'informatique et la science des données à des publics de tout niveau, scientifiques ou non. Il a écrit des modules Web de culture numérique accessibles à tous.
Apprentissage machine. Clé de l'intelligence artificielle. Une introduction pour non-spécialistes
Par :Formats :
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay estimée à partir du 18 septembreCet article sera commandé chez un fournisseur et vous sera envoyé 19 jours après la date de votre commande.
- Retrait Click and Collect en magasin gratuit
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages192
- FormatGrand Format
- PrésentationBroché
- Poids0.368 kg
- Dimensions19,0 cm × 24,0 cm × 1,1 cm
- ISBN978-2-340-02880-7
- EAN9782340028807
- Date de parution12/02/2019
- CollectionRéférences sciences
- ÉditeurEllipses
Résumé
Cet ouvrage introductif s'adresse en priorité à des étudiants de licence scientifique et à des étudiants non scientifiques souhaitant découvrir les fondements de l'apprentissage machine. L'objectif principal est de faire comprendre les algorithmes et systèmes principaux d'apprentissage machine utilisés en science des données : les arbres de décision, les méthodes d'ensemble, les séparateurs à vastes marges et les réseaux de neurones.
En particulier, comprendre pourquoi il existe différents systèmes d'apprentissage, comprendre les avantages et inconvénients de chacun des systèmes, comprendre comment les utiliser au mieux en effectuant les meilleurs choix possibles. Ceci doit permettre au lecteur d'être un utilisateur intelligent des méthodes de fouille de données et, par conséquent, lui permettre de les utiliser pour résoudre des taches dans son domaine de compétence.
En particulier, comprendre pourquoi il existe différents systèmes d'apprentissage, comprendre les avantages et inconvénients de chacun des systèmes, comprendre comment les utiliser au mieux en effectuant les meilleurs choix possibles. Ceci doit permettre au lecteur d'être un utilisateur intelligent des méthodes de fouille de données et, par conséquent, lui permettre de les utiliser pour résoudre des taches dans son domaine de compétence.
L'éditeur en parle
La collection Références sciences propose des ouvrages de référence dans toutes les disciplines scientifiques, inspirés de l'expérience des enseignants. Cet ouvrage d'introduction à l'apprentissage machine s'adresse aux étudiants, de licence scientifique ou non scientifique, qui souhaitent comprendre : - Les algorithmes et systèmes principaux d'apprentissage machine utilisés en science des données ; - Pourquoi il existe différents systèmes d'apprentissage ; - Les avantages et inconvénients de chacun des systèmes.
La compréhension de ces notions permettra au lecteur de mettre en application les méthodes de fouilles de données de façon à résoudre des tâches dans son domaine de compétence.
La compréhension de ces notions permettra au lecteur de mettre en application les méthodes de fouilles de données de façon à résoudre des tâches dans son domaine de compétence.
