Machine Learning
Implémentation en Python avec Scikit-learn
Ce livre présente à des personnes non Data Scientists, et sans connaissances particulières en mathématiques, la méthodologie du Machine Learning, ses concepts et l'implémentation de ceux-ci en Python. Il commence par une présentation du Machine Learning puis de la méthode CRISP où chaque phase est détaillée avec les différentes étapes. Les premiers chapitres s'intéressent donc aux [...]
[lire le résumé du livre]
Auteur : Virginie MATHIVET
Editeur : Eni
Collection : Expert IT
Date parution : 10/2021CB Google/Apple Pay, Chèque, Virement
Quel est le sujet du livre "Machine Learning"
Ce livre présente à des personnes non Data Scientists, et sans connaissances particulières en mathématiques, la méthodologie du Machine Learning, ses concepts et l'implémentation de ceux-ci en Python. Il commence par une présentation du Machine Learning puis de la méthode CRISP où chaque phase est détaillée avec les différentes étapes. Les premiers chapitres s'intéressent donc aux phases de Data Understanding (ou compréhension des données) et de Data Preparation (préparation des données). Dans le premier sont présentés des analyses statistiques de datasets, que cela soit sous forme numérique ou graphique. Dans le deuxième sont vues les principales techniques utilisées pour la préparation des données, avec leur rôle et des conseils sur leur utilisation. Ensuite, plusieurs chapitres sont dédiés chacun à une tâche de Machine Learning : · La classification ; · La régression, avec le cas particulier de la prédiction ; · Le clustering et plus globalement l'apprentissage non supervisé. Pour chaque tâche qui est présentée sont successivement détaillés les critères d'évaluation, les concepts derrière les principaux algorithmes puis leur implémentation avec Scikit-Learn. Pour illustrer les différents chapitres, les techniques et algorithmes présentés sont appliqués sur des datasets souvent utilisés : Iris (classification de fleurs), Boston (prévision de prix de vente d'appartements) et Titanic (prévision de la chance de survie des passagers du bateau). Le code Python est commenté et disponible en téléchargement (sous la forme de notebooks Jupyter) sur le site www. editions-eni. fr.
Auteurs :Auteur Virginie Mathivet a fait une thèse de doctorat en Intelligence Artificielle, plus précisément sur les algorithmes génétiques et les réseaux de neurones. Après avoir enseigné l'intelligence artificielle, la robotique et des matières liées au développement pendant plus de 10 ans, elle est aujourd'hui directrice de la R&D chez TeamWork et manager ' Modern Data ', unité contenant les différentes équipes en charge des sujets data (IoT, IA/ML, Big Data, Data Engineering). Egalement formatrice et conférencière, elle a été nommée première AWS Hero de la catégorie Machine Learning en France en 2021 et participe à des actions en faveur de la diversité dans les métiers du numérique.
En suivant ce lien, retrouvez tous les livres dans la spécialité Techniques de programmation.