Introduction au Machine Learning
3e édition

Par : Chloé-Agathe Azencott
  • Réservation en ligne avec paiement en magasin :
    • Disponible pour réserver et payer en magasin
  • Nombre de pages273
  • PrésentationBroché
  • FormatGrand Format
  • Poids0.485 kg
  • Dimensions17,0 cm × 24,0 cm × 1,4 cm
  • ISBN978-2-10-088042-3
  • EAN9782100880423
  • Date de parution25/06/2025
  • CollectionInfo Sup
  • ÉditeurDunod

Résumé

Le machine learning offre aujourd'hui à de nombreux secteurs d'activité la possibilité de réaliser des progrès spectaculaires grâce à ses puissants outils qui facilitent l'exploitation de grands volumes de données. Etudiantes et étudiants en informatique ou mathématiques appliquées en L3, master ou école d'ingénieurs, ce manuel vous permettra d'acquérir des bases solides sur les concepts et les algorithmes du machine learning.
Il vous fournit les outils nécessaires pour : - identifier et formaliser les problèmes qui peuvent être résolus par des approches de machine learning ; - mettre en oeuvre les algorithmes classiques les plus appropriés ; - implémenter ces algorithmes par vous-même afin d'en comprendre les tenants et aboutissants ; - évaluer et comparer les performances de plusieurs algorithmes de machine learning pour une application particulière.
Les notions de cours sont complétées par 85 exercices, intégralement corrigés, pour vous faciliter l'apprentissage et la validation de l'apprentissage.
Le machine learning offre aujourd'hui à de nombreux secteurs d'activité la possibilité de réaliser des progrès spectaculaires grâce à ses puissants outils qui facilitent l'exploitation de grands volumes de données. Etudiantes et étudiants en informatique ou mathématiques appliquées en L3, master ou école d'ingénieurs, ce manuel vous permettra d'acquérir des bases solides sur les concepts et les algorithmes du machine learning.
Il vous fournit les outils nécessaires pour : - identifier et formaliser les problèmes qui peuvent être résolus par des approches de machine learning ; - mettre en oeuvre les algorithmes classiques les plus appropriés ; - implémenter ces algorithmes par vous-même afin d'en comprendre les tenants et aboutissants ; - évaluer et comparer les performances de plusieurs algorithmes de machine learning pour une application particulière.
Les notions de cours sont complétées par 85 exercices, intégralement corrigés, pour vous faciliter l'apprentissage et la validation de l'apprentissage.