MACHINE LEARNING AVEC SCIKIT-LEARN - 2E ED. - MISE EN OEUVRE ET CAS CONCRETS

Dunod - EAN : 9782100790654

GERON AURELIEN

Skip to the end of the images gallery

Skip to the beginning of the images gallery

Édition papier

EAN : 9782100790654

Paru le : 20 nov. 2019

35,00 € 33,18 €

Epuisé

Pour connaître votre prix et commander, identifiez-vous

Remplacé par : 9782100847686

Arrêt définitif de commercialisation

Notre engagement qualité

Livraison gratuite
en France sans minimum
de commande
Manquants maintenus
en commande
automatiquement
Un interlocuteur
unique pour toutes
vos commandes
Toutes les licences
numériques du marché
au tarif éditeur
Assistance téléphonique
personalisée sur le
numérique
Service client
Du Lundi au vendredi
de 9h à 18h

Détails

EAN13 : 9782100790654
Réf. éditeur : 1087627
Editeur : Dunod
Date Parution : 20 nov. 2019
Disponibilite : Epuisé
Barème de remise : NS
Nombre de pages : 320
Format : 2.20 x 17.50 x 25.00 cm
Poids : 657gr
Interdit de retour : Retour interdit

Résumé

Résumé : L’apprentissage automatique (Machine Learning) est aujourd’hui en pleine explosion. Mais de quoi s’agit-il exactement, et comment pouvez-vous le mettre en oeuvre dans vos propres projets ?
L’objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du Machine Learning et de vous apprendre à maîtriser les outils qui vous permettront de créer vous-même des systèmes capables d’apprentissage automatique.
Vous apprendrez ainsi à utiliser Scikit-Learn, un outil open source très simple et néanmoins très puissant que vous pourrez mettre en oeuvre dans vos systèmes en production.
• Apprendre les bases du Machine Learning en suivant pas à pas toutes les étapes d’un projet utilisant Scikit-Learn et pandas.
• Ouvrir les boîtes noires pour comprendre comment fonctionnent les algorithmes.
• Explorer plusieurs modèles d’entraînement, notamment les machines à vecteur de support (SVM).
• Comprendre le modèle des arbres de décision et celui des forêts aléatoires, et exploiter la puissance des méthodes ensemblistes.
• Exploiter des techniques d’apprentissage non supervisées telles que la réduction de dimensionnalité, la classification et la détection d’anomalies.

Tous les exemples de code sont disponibles en ligne sous la forme de notebooks Jupyter à l’adresse suivante : https://github.com/ageron/handson-ml2
Biographie : Aurélien Géron est consultant en Machine Learning. Ex-Googler, il a mené l'équipe de classification des vidéos de YouTube de 2013 à 2016. Auparavant, il avait cofondé en 2001 la société de conseil Polyconseil, puis en 2002 la société Wifirst.
Il a été consultant dans de nombreux domaines : de la santé (transfusion sanguine) aux télécoms (SFR, Bolloré Telecom), en passant par la finance (JP Morgan et Société Générale) et la défense (ministère de la Défense nationale du Canada).
Il a également enseigné en écoles d’ingénieurs.