Introduction au machine learning
Enregistré dans:
Auteur principal: | Azencott, Chloé-Agathe (19..-....). (Auteur) |
---|---|
Support: | E-Book |
Langue: | Français |
Publié: |
Malakoff :
Dunod,
2022.
|
Sujets: | |
Autres localisations: | Voir dans le Sudoc |
Résumé: | "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" |
Accès en ligne: | Accès à l'E-book |
Documents similaires
-
Big data et machine learning : les concepts et les outils de la data science
par: Lemberger, Pirmin.
Publié: 2019 -
Apprentissage artificiel : concepts et algorithmes : de Bayes et Hume au Deep Learning
par: Barra, Vincent (19..-....; chercheur en informatique de modélisation).
Publié: 2021 -
Feature engineering made easy : identify unique features from your dataset in order to build powerful machine learning systems
par: Ozdemir, Sinan.
Publié: 2018 -
Les data sciences en 100 questions-réponses
par: Benzaki, Younes.
Publié: 2020 -
Machine Learning Algorithms : Reference guide for popular algorithms for data science and machine learning
par: Bonaccorso, Bonaccorso.
Publié: 2017