Le concept IziBook

IziBook® est une plateforme de téléchargement de livres numériques sous format pdf.

En savoir plus...

Vus récemment

  1. Apprentissage machine

Abonnez-vous au flux RSS des nouveautés Flux RSS

  • Ajouter à NetVibes
  • Ajouter à Yahoo
  • Ajouter à Windows Live

Apprentissage machine

De la théorie à la pratique - Concepts fondamentaux en Machine Learning

 

De Amini Massih-Reza

 

Eyrolles - Collection : Algorithmes - février 2015

    • Bundle Livre papier et eBook [PDF]

      42,99 €
    • eBook [PDF]

      13,99 €
    Formats disponibles →  Bundle Livre papier et eBook <span class="description">[PDF]</span> Format PDF
     
     

    Présentation

    Apprentissage machine et intelligence artificielle

    L'apprentissage machine est l'un des domaines phares de l'intelligence artificielle. Il concerne l'étude et le développement de modèles quantitatifs permettant à un ordinateur d'accomplir des tâches sans qu'il soit explicitement programmé à les faire. Apprendre dans ce contexte revient à reconnaître des formes complexes et à prendre des décisions intelligentes. Compte tenu de toutes les entrées existantes, la complexité pour y arriver réside dans le fait que l'ensemble des décisions possibles est généralement très difficile à énumérer. Les algorithmes en apprentissage machine ont par conséquent été conçus dans le but d'acquérir de la connaissance sur le problème à traiter en se basant sur un ensemble de données limitées issues de ce problème.

    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. Nous avons eu ici le souci de fournir un exposé cohérent reliant la théorie aux algorithmes développés dans cette sphère. Mais cette étude ne se limite pas à présenter ces fondements, vous trouverez ainsi quelques programmes des algorithmes classiques proposés dans ce manuscrit, écrits en langage C (langage à la fois simple et populaire), et à destination des lecteurs qui cherchent à connaître le fonctionnement de ces modèles désignés parfois comme des boîtes noires.

    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.

    Sommaire

    • Introduction à la théorie de l'apprentissage
    • Algorithmes d'optimisation convexe non-contrainte
    • Classification bi-classes
    • Classification multi-classes
    • Apprentissage semi-supervisé
    • Apprentissage de modèles d'ordonnancement
    • Annexes (rappels de probabilités, code programmes)

    Supports disponibles

    • Bundle Livre papier et eBook [PDF]

      Livre papier : format 190 x 230, 295 pages, Noir & blancEnvoi sous 2 à 5 jours
      eBook :
      Pdf PDF (Apprentissage machine), format 190 x 230, 293 pages
      A télécharger après achat
    • eBook [PDF]

      Pdf PDF (Apprentissage machine), format 190 x 230, 293 pages
      A télécharger après achat
    • Caractéristiques

    Référencer ce produit sur votre site

    → Copier en mémoire :