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 indisponible
- Retrait Click and Collect en magasin gratuit
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages192
- PrésentationBroché
- FormatGrand Format
- 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.
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.
