![Machine Learning. Programmes libres (GPLv3) essentiels au développement de solutions big data, 2e édition - Eyrolles - 9782212679472 -](https://www.unitheque.com/Intermediaire3/CouvertureM/A/9782212679472-machine-learning.-programmes-libres-gplv3-essentiels-developpement-solutions-data--edition_g.jpg)
Machine Learning. Programmes libres (GPLv3) essentiels au développement de solutions big data, 2e édition
Programmes libres (GPLv3) essentiels au développement de solutions big data
Machine Learning et intelligence artificielleLe Machine Learning est l'un des domaines de l'intelligence artificielle qui a pour but de concevoir des programmes qui ne sont pas explicitement codés pour s'acquitter d'une tâche particulière. Les concepts de ce domaine sont fondés sur la logique inférentielle et tentent de dégager des règles générales à partir d'un nombre [...]
[lire le résumé du livre]
Auteur : Massih-Reza AMINI
Editeur : Eyrolles
Collection : Algorithmes
Date parution : 06/2020 2e éditionCB Google/Apple Pay, Chèque, Virement
Quel est le sujet du livre "Machine Learning. Programmes libres (GPLv3) essentiels au développement de solutions big data, 2e édition"
Machine Learning et intelligence artificielle
Le Machine Learning est l'un des domaines de l'intelligence artificielle qui a pour but de concevoir des programmes qui ne sont pas explicitement codés pour s'acquitter d'une tâche particulière. Les concepts de ce domaine sont fondés sur la logique inférentielle et tentent de dégager des règles générales à partir d'un nombre fini d'observations.
Un ouvrage de référence
Cet ouvrage présente les fondements scientifiques de la théorie de l'apprentissage supervisé, les algorithmes les plus répandus développés suivant ce domaine ainsi que les deux cadres de l'apprentissage semi-supervisé et de l'ordonnancement, à un niveau accessible aux étudiants de master et aux élèves ingénieurs.
La première édition, connue sous le nom Apprentissage machine, fut traduite en chinois par les éditions iTuring. Dans cette deuxième édition, un nouveau chapitre est dédié au Deep Learning, sur les réseaux de neurones artificiels, et nous avons réorganisé les autres chapitres pour un exposé cohérent reliant la théorie aux algorithmes développés dans cette sphère.
Vous trouverez également dans cette édition quelques programmes des algorithmes classiques, écrits en langages Python et C (langages à la fois simples et populaires), et à destination des lecteurs qui souhaitent connaître le fonctionnement de ces modèles désignés parfois comme des boites noires. Ces programmes libres (GPLv3) essentiels au développement de solutions big data sont déposés progressivement sur ce gitlab (https://gricad- gitlab.univ-grenoble-alpes.fr/aminima/machine-learning-tools).
À qui s'adresse ce livre ?
- Aux élèves ingénieurs, étudiants de master et doctorants en mathématiques appliquées, algorithmique, recherche opérationnelle, gestion de production, aide à la décision.
- Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes de classification, de partitionnement et d'ordonnancement à large échelle.
Auteurs :
Massih-Reza Amini, professeur d'informatique à l'université Grenoble Alpes (UGA), est titulaire d'une thèse sur l'étude de nouveaux cadres et modèles d'apprentissage statistiques pour les nouvelles applications émergentes issues d'Internet.
Il est co-auteur de plus d'une centaine d'articles scientifiques parus parmi les actes de conférences et de revues les plus prestigieux des domaines de l'apprentissage automatique et de la recherche d'information. Il est également co-auteur des ouvrages Recherche d'information et Data science parus aux éditions Eyrolles.
A qui s'adresse ce livre ? Aux élèves ingénieurs, étudiants de master et doctorants en mathématiques appliquées, algorithmique, recherche opérationnelle, gestion de production, aide à la décision. Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes de classification, de partitionnement et d'ordonnancement à large échelle.
En suivant ce lien, retrouvez tous les livres dans la spécialité Algorithmique-Objet.
Sommaire et contenu du livre "Machine Learning. Programmes libres (GPLv3) essentiels au développement de solutions big data, 2e édition - Programmes libres (GPLv3) essentiels au développement de solutions big data"
- Principes de bas en apprentissage supervisé
- Bornes de généralisation dépendantes des données
- Algorithme d'optimisation à direction de descente
- Deep learning
- Séparateurs à Vaste Marge
- Boosting
- Apprentissage semi-supervisé
- Apprentissage de fonctions d'ordonnancement
- A. Rappels de probabilités
- B. Codes programmes