Nantilus
Découverte du machine learning : les outils de l'apprentissage automatique
"Cet ouvrage propose une découverte pragmatique du Machine Learning à travers des exemples implémentés. Il constitue une introduction à différentes méthodes permettant aux étudiants de DUT, de licence, des écoles d'ingénieurs et aux chercheurs de découvrir plusieurs aspects du domaine. Le...
Enregistré dans:
| Auteurs principaux : | , , , |
|---|---|
| Autres auteurs : | |
| Format : | Livre |
| Langue : | français |
| Titre complet : | Découverte du machine learning : les outils de l'apprentissage automatique / Gérard Fleury,... Philippe Lacomme,... Matthieu Gondran,... [et al.]; [préface, Olivier Goutet,...] |
| Publié : |
Paris :
Ellipses
, DL 2021 |
| Description matérielle : | 1 volume (vii-306 p.) |
| Collection : | Technosup (Paris) |
| Sujets : |
| LEADER | 03909cam a2200613 4500 | ||
|---|---|---|---|
| 001 | PPN255283652 | ||
| 003 | http://www.sudoc.fr/255283652 | ||
| 005 | 20240603105100.0 | ||
| 010 | |a 978-2-3400-4733-4 |b br. |b rectifié |z 9782340-047334 | ||
| 035 | |a (OCoLC)1250269796 | ||
| 073 | 1 | |a 9782340047334 | |
| 100 | |a 20210510h20212021m y0frey0103 ba | ||
| 101 | 0 | |a fre |2 639-2 | |
| 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 RDAfrCarrier | ||
| 200 | 1 | |a Découverte du machine learning |e les outils de l'apprentissage automatique |f Gérard Fleury,... Philippe Lacomme,... Matthieu Gondran,... [et al.] |g [préface, Olivier Goutet,...] | |
| 214 | 0 | |a Paris |c Ellipses |d DL 2021 | |
| 215 | |a 1 volume (vii-306 p.) |c ill., graph., couv. ill. |d 26 cm | ||
| 225 | 0 | |a Technosup |e les filières technologiques des enseignements supérieurs | |
| 339 | |a Une découverte du machine learning qui se focalise notamment sur les réseaux de neurones, les réseaux bayésiens, les méthodes de classification, le pattern mining et les séries temporelles. Les codes informatiques sont proposés en Python, en C et en Java. ©Electre 2021 | ||
| 304 | |a En avant-titre : "Informatique" | ||
| 314 | |a Autre auteur : Chafik Samir | ||
| 320 | |a Références bibliogr. Index | ||
| 330 | |a "Cet ouvrage propose une découverte pragmatique du Machine Learning à travers des exemples implémentés. Il constitue une introduction à différentes méthodes permettant aux étudiants de DUT, de licence, des écoles d'ingénieurs et aux chercheurs de découvrir plusieurs aspects du domaine. Le domaine du Machine Learning couvre un large spectre d'outils et de méthodes. Cet ouvrage fait un focus particulier sur les réseaux de neurones, les réseaux Bayésiens, les méthodes de classification, le pattern mining et les séries temporelles. La découverte s'effectue en utilisant des bibliothèques dédiées au Machine Learning, notamment TensorFlow, Keras, pyAgrum et Weka. Les exemples du livre sont essentiellement des problèmes qui ont été tirés des domaines d'expertise des auteurs. Les codes informatiques sont proposés en Python, en C et en Java, car les domaines où le Machine Learning est utile sont très nombreux et il est important d'avoir une vue globale de ce qu'il est possible de faire avec les outils récents" |2 4e de couverture | ||
| 333 | |a Niveau B (Ecoles d'ingénieurs - Masters) | ||
| 359 | 2 | |b 1. Machine Learning |b 2. Les réseaux de neurones |b 3. Découverte de TensorFlow et de Keras |b 4. Réseaux Bayésiens |b 5. Les méthodes de classification |b 6. Weka et le Data Mining |b 7. Séries chronologiques | |
| 410 | | | |0 040505324 |t Technosup (Paris) |x 1275-3955 | |
| 517 | | | |a Informatique |e découverte du machine learning : les outils de l'apprentissage automatique | |
| 606 | |3 PPN027940373 |a Apprentissage automatique |2 rameau | ||
| 606 | |3 PPN166106488 |a Intelligence computationnelle |2 rameau | ||
| 606 | |3 PPN027235912 |a Langages de programmation |2 rameau | ||
| 608 | |3 PPN03020934X |a Manuels d'enseignement supérieur |2 rameau | ||
| 676 | |a 006.31 |v 23 |z fre | ||
| 680 | |a Q325.5 | ||
| 700 | 1 | |3 PPN111475317 |a Fleury |b Gérard |f 19..-.... |c mathématicien |4 070 | |
| 701 | 1 | |3 PPN111478707 |a Lacomme |b Philippe |f 1970-.... |c enseignant en informatique |4 070 | |
| 701 | 1 | |3 PPN234421282 |a Gondran |b Matthieu |f 1992-.... |4 070 | |
| 701 | 1 | |3 PPN187174601 |a Samir |b Chafik |f 1977-.... |4 070 | |
| 702 | 1 | |3 PPN255283849 |a Goutet |b Olivier |4 080 | |
| 801 | 3 | |a FR |b Electre |c 20210507 |g AFNOR | |
| 801 | 3 | |a FR |b Abes |c 20231108 |g AFNOR | |
| 979 | |a SCI | ||
| 979 | |a ECN | ||
| 979 | |a STN | ||
| 930 | |5 441092104:704013487 |b 441092104 |j u | ||
| 930 | |5 441092306:715915002 |b 441092306 |a 681.3 B09 FLE |j u | ||
| 930 | |5 441842101:812749510 |b 441842101 |j u | ||
| 998 | |a 900473 | ||