Recherche simple :

  •    Sujet : Apprentissage automatique
  • Aide
  • Eurêkoi Eurêkoi

Documents en rayon : 48

Voir tous les résultats les documents en rayons

Résumé : Pour apprendre à résoudre des problèmes d'apprentissage automatique avec TensorFlow, la bibliothèque logicielle révolutionnaire de Google pour le deep learning. Après avoir présenté ses concepts fondamentaux, les auteurs expliquent comment construire des systèmes d'apprentissage simples, transformer des prototypes en modèles de haute qualité et gérer des jeux de données en langage naturel. ©Electre 2018

Résumé : Une présentation des big data du point de vue des applications, des méthodes d'analyses et de modélisation, des outils informatiques et de l'optimisation de la programmation dans R et d'autres logiciels tels que Spark et H2O. Les principes de l'apprentissage profond sont détaillés, ainsi que ses trois principales bibliothèques : MXNet, PyTorch et Keras-TensorFlow. ©Electre 2019

Résumé : Un ouvrage présentant les techniques actuelles de traitement et de visualisation de données structurées fondées sur l'approche de classification ou sur celle de régression. ©Electre 2020

Résumé : Une initiation aux concepts du machine learning et à leur implémentation en Python. Les phases de compréhension et de préparation des données sont présentées avant d'aborder les tâches réalisées par l'intelligence artificielle : classification, régression et apprentissage non supervisé. Les chapitres sont illustrés d'exemples tels que la prévision de la chance de survie des passagers du Titanic.

Résumé : Réflexion sur le dialogue homme-machine. La communication avec les machines reste encore trop souvent déficiente, malgré les prouesses technologiques. L'auteur analyse différents modèles sous-jacents aux systèmes homme-machine classiques à partir du schéma du dialogue issu des théories de E. Benveniste et A. Culioli.

Résumé : Les technologies du machine learning font l'objet de nombreuses controverses techniques et épistémologiques. Intégrées aux industries créatives, elles viennent reconfigurer les pratiques de design faisant planer la menace d'une globalisation esthétique et d'une homogénéisation des modes de vie. Une réflexion pour une automatisation sur-mesure et maîtrisée. ©Electre 2023

Résumé : À partir de cas concrets notamment tirés du domaine scientifique, les contributeurs analysent les interactions entre le domaine de l'apprentissage automatique et celui de l'optimisation. Ils expliquent les similitudes entre les deux, les composantes partagées comme la représentation, l'évaluation et la recherche itérative, et la coopération par le partage de méthodes entre ces deux domaines. ©Electre 2023

Résumé : Une présentation du fonctionnement des gradient boosting trees, une technique de machine learning utilisée dans les tâches de régression et de classification sur des arbres de décision. Les bonnes pratiques de la data science et des connaissances techniques sur les modèles de machine learning sont également introduits.

Résumé : Présentation des concepts de l'apprentissage artificiel et des approches algorithmiques dans le cadre des applications industrielles les plus courantes : la reconnaissance de forme, la fouille de données, le diagnostic mais aussi le développement des neurones profonds, la vision artificielle ou la compréhension de la parole et du langage. ©Electre 2021

Résumé : Les fondements des méthodes de machine learning, leur utilisation en économétrie et leurs applications économiques sont complétés par des exemples empiriques, des programmes et des exercices de mise en application. ©Electre 2023

Résumé : Un guide pour optimiser les performances des applications fondées sur l'apprentissage automatique, gérer leurs flux, analyser leurs performances. ©Electre 2020

Résumé : Un guide pour utiliser le machine learning et les statistiques prédictives dans le domaine du marketing. La communication en interne, la notion de consommateur prévisible ou encore les effets de réputation en ligne sont au nombre des points abordés. Avec de nombreux exemples pour illustrer les propos. ©Electre 2022

Résumé : Présentation de l'implémentation d'algorithmes d'apprentissage et de recherche d'informations (big data) accompagnée des codes sources libres (sur un site compagnon) et d'exercices corrigés. Le point sur les dernières avancées, notamment l'ordonnancement (learning to rank) et l'apprentissage semi-supervisé.

Résumé : 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

Résumé : Après une présentation des bases logiques des algorithmes classiques et des règles de programmation (variables, opérateurs, conditions, boucles, fonctions, entre autres), l'auteur détaille ce qui fait la spécificité, l'intérêt et la puissance des algorithmes dits intelligents, dédiés au machine learning et au deep learning. Avec des exemples d'applications et de problèmes algorithmiques résolus.

Résumé : Présentation des fondamentaux de l'apprentissage automatique avec la bibliothèque libre Scikit-learn, module du langage de programmation Python. Avec des exercices corrigés et des liens vers des ressources complémentaires en ligne. ©Electre 2023

Résumé : Les clés pour aider les entreprises à mettre en oeuvre les techniques d'apprentissage machine, un champ d'études de l'intelligence artificielle, dans le domaine de la cybersécurité. Avec une boîte à outils d'algorithmes d'apprentissage automatique pour faire face à différents problèmes tels que les brèches, les fraudes, les pannes imminentes du système ou les logiciels malveillants. ©Electre 2019

Résumé : Une initiation au machine learning et à son langage de référence Python, un outil permettant le développement d'applications liées à l'intelligence artificielle.

Résumé : Une synthèse des problèmes liées à la data science et des solutions proposées par le machine learning via le langage Python. ©Electre 2018

Résumé : Une exploration complète et vulgarisée des bases et des applications de l'intelligence artificielle. Après une présentation des fondamentaux, les étapes de création, de collecte de données, de formation de modèles et de déploiement sont détaillés. La programmation en Python est expliquée et une étude se concentrant sur les intelligences artificielles génératrices est également proposée.

Résumé : Après avoir examiné les systèmes et leurs conceptions, les auteurs s'intéressent à la structure générale, ainsi qu'à la conception multi-agent d'un système autonome. ©Electre 2016

Résumé : Un tour d'horizon des notions mobilisées dans le domaine de l'intelligence artificielle : arbres de décision, méthodes d'ensembles, séparateurs à vastes marges, réseaux de neurones ou encore machine learning. Avec des exercices et leurs résultats.

Résumé : L'auteur explique l'intelligence artificielle et le fonctionnement des algorithmes. Il établit un parallèle avec l'intelligence humaine, qu'il considère comme un algorithme d'apprentissage, et propose des réflexions sur le fonctionnement de ces deux intelligences, humaine et artificielle, et leurs limites. ©Electre 2018

Résumé : Une introduction à l'apprentissage automatique en R. Apprend d'abord à modéliser avec la régression puis passe à des sujets plus avancés tels que les réseaux de neurones et les méthodes arborescentes, et fournit des exemples pour se bâtir une connaissance pratique de l'apprentissage automatique. ©Electre 2018

Résumé : Guide pour exploiter l'ensemble des possibilités offertes par l'accès à la bibliothèque de machine learning open source TensorFlow de Google à JavaScript afin de développer des modèles d'apprentissage machine dans un navigateur. ©Electre 2020

Résumé : Une analyse historique de l'intelligence artificielle, de ses origines jusqu'à ChatGPT, afin d'en définir les avantages et les inconvénients, notamment d'un point de vue éthique.

Résumé : Guide d'utilisation du langage Python appliqué au travail sur les données et à l'automatisation de certaines tâches. Avec des exemples, des exercices et des compléments accessibles en ligne. ©Electre 2021

Résumé : Après une présentation des connaissances théoriques nécessaires pour comprendre le machine learning, l'auteur décrit divers outils techniques pour les mettre en pratique puis propose des exemples d'application liés aux concepts de l'apprentissage automatique. Le passage à la pratique grâce au langage Python est ensuite approfondi, en lien avec divers environnements et bibliothèques.

Résumé : Guide d'utilisation du langage Python appliqué au travail sur les données et à l'automatisation de certaines tâches. Avec des exemples, des exercices et des compléments accessibles en ligne.

Résumé : Les auteurs décrivent le machine learning, une nouvelle technique d'analyse des données, et expliquent comment utiliser ses apports dans la supply chain dans le cadre conceptuel de la planification hiérarchisée. Ils s'appuient sur des exemples concrets de projets effectivement menés en entreprise et donnent des recommandations pratiques pour en réussir d'autres. ©Electre 2019

Résumé : Guide d'utilisation du langage Python dans le domaine de l'analyse des données. Chaque notion est introduite théoriquement, puis illustrée par un exemple concret permettant de comprendre son application. Dans le dernier chapitre, un exercice est proposé avec sa correction afin de mettre en pratique les apprentissages. Avec des ressources complémentaires disponibles en téléchargement. ©Electre 2020

Résumé : Une initiation aux concepts du machine learning et à leur implémentation en Python. Les phases de compréhension et de préparation des données sont présentées avant d'aborder les tâches réalisées par l'intelligence artificielle : classification, régression et apprentissage non supervisé. Les chapitres sont illustrés d'exemples tels que la prévision de la chance de survie des passagers du Titanic. ©Electre 2021

Résumé : Présentation des principales méthodes de modélisation dans les champs de la statistique et du "machine learning", à l'aide du logiciel libre R. Chaque méthode, des plus classiques aux plus avancées (régression ridge, lasso, elastic net, etc.), fait l'objet d'un rappel théorique suivi de développements sur les fonctions de R. Les résultats obtenus par les différentes méthodes sont comparés. ©Electre 2015

Résumé : Une introduction aux principes et aux algorithmes du machine learning, ou apprentissage automatique. Cet ouvrage 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.

Résumé : Guide d'utilisation du langage Python dans le domaine de l'analyse des données. Alliant théorie et pratique, l'introduction aux fondamentaux de ce langage est approfondie par une vidéo qui présente son fonctionnement à travers deux bibliothèques dédiées à la Data Science, NumPy et Pandas, et se concentre sur la préparation et la visualisation de données.

Résumé : Cet ouvrage fait le point sur la nature et l'évolution du langage et de la parole. Il explique leur apparition et leurs structures en mobilisant les acquis des nouvelles technologies, de la neuroscience, de la linguistique et de la robotique.

Résumé : Des contributions pluridisciplinaires sur l'intelligence artificielle et le deep learning. Les auteurs interrogent les arts et les sciences du texte face à cette nouvelle technologie.

Résumé : Conçu pour aider le data scientist à comprendre son terrain d'action et à opérer des choix, cet ouvrage se compose d'une partie théorique posant les bases du métier autour de la modélisation quantitative et la création d'algorithmes de traitement de données, et d'une partie pratique donnant des indications de raisonnement et de méthodes mathématiques pour résoudre une problématique donnée. ©Electre 2015

Résumé : Un parcours didactique et professionnalisant permettant de s'intégrer à une équipe de data scientists, d'aborder des articles de recherche en langage R, ou de manager une équipe projet comprenant des data scientists. Les auteurs abordent notamment des sujets comme le traitement du langage naturel, les séries temporelles, la logique floue ou encore la manipulation des images.

Résumé : Une synthèse sur les sciences des données, les outils mathématiques pour les manipuler et les algorithmes pour les implémenter à l'aide de Python. Après un cours synthétique sur le langage de programmation, l'ouvrage aborde l'algèbre linéaire, la statistique, la descente de gradient, les arbres de décision, l'analyse des réseaux ou encore les systèmes de recommandation. ©Electre 2020

Résumé : Un manuel pour approfondir ses connaissances et mettre en oeuvre ses compétences à l'aide du langage de programmation R. Les différentes étapes du cycle de vie d'un projet basé sur l'analyse statistique de données sont présentées : préparation, transformation, visualisation, analyse et diffusion des résultats.

Résumé : Présentation des aspects fondamentaux de la data science, discipline qui permet de transformer les données brutes en idées et connaissances. Avec des exercices pour mettre en pratique les algorithmes développés dans ce domaine.

Résumé : Présentation des avantages à utiliser Python pour les calculs scientifiques. L'auteur montre notamment comment transformer, visualiser et nettoyer les données ou encore comment élaborer des modèles statistiques. Il décrit également toutes les ressources disponibles pour les diverses applications : IPython, NumPy, Pandas, Matplotlib et autres outils associés.

Résumé : L'ouvrage couvre l'essentiel des connaissances pour comprendre et appliquer les techniques du data mining et de la statistique décisionnelle. Il présente les méthodes classiques (analyse factorielle, régression linéaire, arbres de décision, etc.) ainsi que les plus récentes (régressions robustes, réseaux de neurones, etc.), et aborde l'exploration, le contrôle et la préparation des données. ©Electre 2017

Résumé : Les contributeurs expliquent les fonctionnalités, les usages, les enjeux et les perspectives d'un entrepôt de données de recherche. Ils s'intéressent à ces plateformes de partage, de réutilisation et de conservation de données en France, interrogent le concept d'entrepôt national, décrivent le répertoire international Re3data et proposent six études de cas sur des modèles privés et publics. ©Electre 2023

Résumé : L'auto-organisation est l'apparition spontané d'ordre dans la nature sans intervention humaine. Elle s'observe dans le monde vivant mais pas seulement et permet d'expliquer l'origine de la vie et l'évolution des espèces. Le concept est mis en lien avec la pensée philosophique de Spinoza.

Résumé : 40 auteurs pour des contributions en hommage à Jacques Lesourne, économiste, fondateur du premier groupe européen de conseil, puis directeur du journal "le Monde", directeur du programme d'étude Interfuturs de l'OCDE et titulaire de la chaire d'économie et statistique du CNAM. Ils font le point sur les dernières avancées des théories de la décision, de la prospection et de l'auto-organisation.

Explorer les sujets liés :