|
|
|
|
LEADER |
03265cam a2200481 4500 |
001 |
PPN241517362 |
003 |
http://www.sudoc.fr/241517362 |
005 |
20230518055300.0 |
010 |
|
|
|a 978-2-412-05070-5
|b br.
|d 26,95 EUR
|
035 |
|
|
|a (OCoLC)1131722170
|
073 |
|
1 |
|a 9782412050705
|
100 |
|
|
|a 20191217h20192019m y0frey0103 ba
|
101 |
1 |
|
|a fre
|c eng
|
102 |
|
|
|a FR
|
105 |
|
|
|a a a 001yy
|
106 |
|
|
|a r
|
181 |
|
|
|6 z01
|c txt
|2 rdacontent
|
181 |
|
1 |
|6 z01
|a i#
|b xxxe##
|
182 |
|
|
|6 z01
|c n
|2 rdamedia
|
182 |
|
1 |
|6 z01
|a n
|
183 |
|
|
|6 z01
|a nga
|2 rdamedia
|
200 |
1 |
|
|a Le machine learning pour les nuls
|f John Paul Mueller, Luca Massaron
|g [traduction, Daniel Rougé]
|
214 |
|
0 |
|a Paris
|c First Interactive
|d DL 2019
|
215 |
|
|
|a 1 vol. (XIII-482 p.)
|c ill., couv. ill. en coul.
|d 24 cm
|
225 |
0 |
|
|a Pour les nuls
|
312 |
|
|
|a La couv. porte en plus : "Le big data", "Coder en R avec RStudio", "Python et Anaconda", "Les modèles linéaires et les réseaux de neurones", "Les machines à vecteurs de support"
|
320 |
|
|
|a Notes webogr. Index
|
359 |
2 |
|
|b Partie 1 : Découvrir comment les machines apprennent
|c 1. La véritable histoire de l'intelligence atificielle (IA)
|c 2. L'apprentissage à l'ère du big data
|c 3. Jeter un regard vers l'avenir
|b Partie 2 : Préparer vos outils pour l'apprentissage automatique
|c 4. Installer une distribution R
|c 5. Coder en R à l'aide de RStudio
|c 6. Installer une distribution Python
|c 7. Coder en Python avec Anaconda
|c 8. Explorer d'autres outils d'apprentissage automatique
|b Partie 3 : Débuter avec les bases mathématiques de l'apprentissage automatique
|c 9. Démystifier les mathématiques derrière l'apprentissage automatique
|c 10. Descendre la bonne courbe
|c 11. Valider l'apprentissage automatique
|c 12. Débuter avec des apprenants simples
|b Partie 4 : Apprendre du big data (avec intelligence)
|c 13. Prétraiter les données
|c 14. Tirer parti de la similarité
|c 15. Travailler avec des modèles linéaires, la méthode facile
|c 16. Un monde de complexité avec les réseaux de neurones
|c 17. Aller plus loin avec les machines à vecteurs de support
|c 18. Recourir à des ensembles d'apprenants
|b Partie 5 : Appliquer l'apprentissage automatique à des problèmes du monde réel
|c 19. Classifier des images
|c 20. Noter les opinions et les sentiments
|c 21. Recommander des produits et des films
|b Partie 6 : Les dix commandements
|c 22. Dix modules d'apprentissage automatique à maîtriser
|c 23. Dix façons d'améliorer vos modèles d'apprentissage automatique
|
410 |
|
| |
|0 002968355
|t Pour les nuls (Paris)
|x 1248-4601
|
454 |
|
| |
|t Machine learning for dummies®
|
605 |
|
|
|3 PPN051626225
|a Python (langage de programmation)
|2 rameau
|
605 |
|
|
|3 PPN08080859X
|a R
|n logiciel
|2 rameau
|
606 |
|
|
|3 PPN027234541
|a Intelligence artificielle
|2 rameau
|
606 |
|
|
|3 PPN027940373
|a Apprentissage automatique
|2 rameau
|
606 |
|
|
|3 PPN191211559
|a Apprentissage machine
|2 FMesh
|
676 |
|
|
|a 006.31
|v 23
|z fre
|
700 |
|
1 |
|3 PPN035581026
|a Mueller
|b John Paul
|f 1958-....
|4 070
|
701 |
|
1 |
|3 PPN189720867
|a Massaron
|b Luca
|4 070
|
701 |
|
1 |
|3 PPN028974867
|a Rougé
|b Daniel
|f 1952-2020
|4 730
|
801 |
|
3 |
|a FR
|b Abes
|c 20210323
|g AFNOR
|
930 |
|
|
|5 441092306:699071364
|b 441092306
|a 681.3 B09 MUE
|j u
|
979 |
|
|
|a ECN
|
998 |
|
|
|a 897253
|