Recherche simple :

  •    Sujet : Apprentissage automatique
  • Aide
  • Eurêkoi Eurêkoi

Documents en rayon : 44

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 : 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 : 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 : 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 : 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 : 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.

Explorer les sujets liés :