Introduction au machine learning

"Cet ouvrage s'adresse aux étudiantes et étudiants en informatique ou maths appliquées, en L3, master ou école d'ingénieurs. Le Machine Learning est une discipline dont les outils puissants permettent aujourd'hui à de nombreux secteurs d'activité de réaliser des progrès spec...

Description complète

Enregistré dans:
Détails bibliographiques
Auteur principal : Azencott Chloé-Agathe (Auteur)
Format : Livre
Langue : français
Titre complet : Introduction au machine learning / Chloé-Agathe Azencott,...
Édition : 2e édition
Publié : Malakoff : Dunod , DL 2022
Description matérielle : 1 volume (VIII-263 p.)
Collection : Info sup (Paris. 2015)
Sujets :
Documents associés : Autre format: Introduction au machine learning
Autre format: Introduction au machine learning
LEADER 03702cam a2200553 4500
001 PPN260391816
003 http://www.sudoc.fr/260391816
005 20240603105100.0
010 |a 978-2-10-083476-1  |b br. 
035 |a (OCoLC)1296939710 
073 1 |a 9782100834761 
100 |a 20220216h20222022k 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 Introduction au machine learning  |f Chloé-Agathe Azencott,... 
205 |a 2e édition 
214 0 |a Malakoff  |c Dunod  |d DL 2022 
215 |a 1 volume (VIII-263 p.)  |c graph., fig., tabl., couv. ill. en coul.  |d 24 cm 
225 0 |a Info Sup 
339 |a Une introduction aux principes et aux algorithmes du machine learning, ou apprentissage automatique. L'auteure explique comment résoudre et formaliser certains problèmes grâce à ce champ d'étude, à identifier les algorithmes appropriés et à évaluer leurs performances. Avec des exercices corrigés. Edition complétée de nouvelles méthodes telles que le clustering spectral. ©Electre 2022 
320 |a Bibliogr. dispersée. Index 
330 |a "Cet ouvrage s'adresse aux étudiantes et étudiants en informatique ou maths appliquées, en L3, master ou école d'ingénieurs. Le Machine Learning est une discipline dont les outils puissants permettent aujourd'hui à de nombreux secteurs d'activité de réaliser des progrès spectaculaires grâce à l'exploitation de grands volumes de données. Le but de cet ouvrage est de vous fournir des bases solides sur les concepts et les algorithmes de ce domaine en plein essor. Il vous aidera à identifier les problèmes qui peuvent être résolus par une approche Machine Learning, à les formaliser, à identifier les algorithmes les mieux adaptés à chaque problème, à les mettre en œuvre, et enfin à savoir évaluer les résultats obtenus. Les notions de cours sont illustrées et complétées par 85 exercices, tous corrigés."  |2 4e de couverture 
359 2 |b Chapitre 1, Présentation du machine learning  |b Chapitre 2, Apprentissage supervisé  |b Chapitre 3, Sélection de modèle et évaluation  |b Chapitre 4, Inférence bayésienne  |b Chapitre 5, Régressions paramétriques  |b Chapitre 6, Régularisation  |b Chapitre 7, Réseaux de neurones artificiels  |b Chapitre 8, Méthodes des plus proches voisins  |b Chapitre 9, Arbres et forêts  |b Chapitre 10, Machines à vecteurs de support et méthodes à noyaux  |b Chapitre 11, Réduction de dimension  |b Chapitre 12, Clustering 
410 | |0 187181349  |t Info sup (Paris. 2015)  |x 2429-263X 
452 | |0 262542382  |t Introduction au machine learning  |f Chloé-Agathe Azencott,...  |d 2022  |c Malakoff  |n Dunod  |y 978-21-0084-143-1 
452 | |0 270236767  |t Introduction au machine learning  |f Chloé-Agathe Azencott,..  |e 2e édition  |d 2022  |c [Paris]  |n Cairn  |y 978-21-0084-143-1 
606 |3 PPN027940373  |a Apprentissage automatique  |2 rameau 
606 |3 PPN167193686  |a Données massives  |3 PPN027467945  |x Gestion  |2 rameau 
606 |3 PPN02734004X  |a Analyse des données  |2 rameau 
606 |3 PPN027282171  |a Algorithmes  |2 rameau 
608 |3 PPN03020934X  |a Manuels d'enseignement supérieur  |2 rameau 
676 |a 006.31  |v 23 
680 |a Q325.5 
700 1 |3 PPN195762959  |a Azencott  |b Chloé-Agathe  |4 070 
801 3 |a FR  |b Electre  |c 20220214  |g AFNOR 
801 3 |a FR  |b Electre  |c 20230331  |g AFNOR 
801 3 |a FR  |b Abes  |c 20230601  |g AFNOR 
979 |a SCI 
979 |a IUTN 
930 |5 441092104:721300057  |b 441092104  |j u 
930 |5 441092206:801818052  |b 441092206  |j s 
998 |a 922423