Guide pratique du machine learning avec Python
Par : ,Formats :
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages437
- PrésentationBroché
- FormatGrand Format
- Poids0.82 kg
- Dimensions19,2 cm × 23,4 cm × 2,4 cm
- ISBN978-2-412-09443-3
- EAN9782412094433
- Date de parution30/05/2024
- ÉditeurFirst
- TraducteurHervé Soulard
Résumé
Un livre indispensable à tous les programmeurs qui développent des applications de type machine learning. L'intelligence artificielle est dorénavent 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. Ce livre est une référence pour tous les programmeurs ou chefs de projets travaillant dans le domaine de la data science et de l'IA.
Au programme : Travailler avec les données en provenance de bases de données CSV, JSON et SQL Les différentes type de données textes, images, dates et heures L'apprentissage non supervisé et le préprocessing Régression linéaire et logique Processus de validation Les machines à vecteurs de support (SVM) Enregistrer et charger des modèles à partir de frameworks multiples
Au programme : Travailler avec les données en provenance de bases de données CSV, JSON et SQL Les différentes type de données textes, images, dates et heures L'apprentissage non supervisé et le préprocessing Régression linéaire et logique Processus de validation Les machines à vecteurs de support (SVM) Enregistrer et charger des modèles à partir de frameworks multiples
Un livre indispensable à tous les programmeurs qui développent des applications de type machine learning. L'intelligence artificielle est dorénavent 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. Ce livre est une référence pour tous les programmeurs ou chefs de projets travaillant dans le domaine de la data science et de l'IA.
Au programme : Travailler avec les données en provenance de bases de données CSV, JSON et SQL Les différentes type de données textes, images, dates et heures L'apprentissage non supervisé et le préprocessing Régression linéaire et logique Processus de validation Les machines à vecteurs de support (SVM) Enregistrer et charger des modèles à partir de frameworks multiples
Au programme : Travailler avec les données en provenance de bases de données CSV, JSON et SQL Les différentes type de données textes, images, dates et heures L'apprentissage non supervisé et le préprocessing Régression linéaire et logique Processus de validation Les machines à vecteurs de support (SVM) Enregistrer et charger des modèles à partir de frameworks multiples