Le machine learning pour les nuls

Le machine learning pour les nuls

Enregistré dans:
Détails bibliographiques
Auteurs principaux : Mueller John Paul (Auteur), Massaron Luca (Auteur), Rougé Daniel (Traducteur)
Format : Livre
Langue : français
Titre complet : Le machine learning pour les nuls / John Paul Mueller, Luca Massaron; [traduction, Daniel Rougé]
Publié : Paris : First Interactive , DL 2019
Description matérielle : 1 vol. (XIII-482 p.)
Collection : Pour les nuls (Paris)
Traduction de : Machine learning for dummies®
Sujets :
Python (langage de programmation)
R > logiciel
Intelligence artificielle
Apprentissage automatique
Apprentissage machine
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