Chargement...
Chargement...

Guide pratique du machine learning avec Python : plus de 200 recettes concrètes à effet immédiat

Auteur : Kyle Gallatin

Auteur : Chris Albon

39,95 €
Chargement...
Livraison à partir de 0,01 €
-5 % Retrait en magasin avec la carte Mollat
en savoir plus

Résumé

Un guide de programmation d'applications de type machine learning dans le domaine de la data science et de l'IA. Les auteurs proposent des recettes contenant du code, destinées à être copiées et collées, puis exécutées sur un jeu de données simple afin d'en vérifier le fonctionnement, avant d'être adaptées à des cas concrets d'utilisation ainsi qu'à des applications. ©Electre 2025

Guide pratique du machine learning avec Python

Découvrez plus de 200 recettes qui vous aideront à relever les défis posés par l'apprentissage automatique (machine learning). Si Python et ses bibliothèques (notamment pandas et scikit-learn) vous sont familiers, vous saurez résoudre des problèmes comme le chargement de données, l'exploitation de réseaux de neurones ou l'entraînement de modèles.

Les recettes de ce livre contiennent du code que vous pouvez copier et coller, puis exécuter sur un jeu données simple afin d'en vérifier le fonctionnement. Vous pourrez ensuite les adapter à vos cas concrets d'utilisation ou à vos applications. Elles sont accompagnées de commentaires qui expliquent les solutions proposées avec des mises en contexte significatives.

Allez au-delà de la théorie et des concepts en découvrant les techniques et les outils qui vous permettront de créer des applications d'apprentissage automatique opérationnelles.

  • Vecteurs, matrices et tableaux.
  • Manipuler des données extraites de bases de données ou d'autres sources aux formats CSV et JSON.
  • Traiter des données numériques et catégorielles, du texte, des images, des dates et des heures.
  • Réduire la dimensionnalité à l'aide de l'extraction ou de la sélection de caractéristiques.
  • Évaluer et sélectionner des modèles.
  • Régression, arbres et forêts, k plus proches voisins.
  • Machines à vecteurs de support, Bayes naïf, partitionnement et modèles arborescents.
  • Entraîner des modèles avec différents frameworks.

Fiche Technique

Paru le : 30/05/2024

Thématique : Langages de programmation

Auteur(s) : Auteur : Kyle Gallatin Auteur : Chris Albon

Éditeur(s) : First interactive
O'Reilly

Collection(s) : Non précisé.

Série(s) : Non précisé.

ISBN : 978-2-412-09443-3

EAN13 : 9782412094433

Reliure : Broché

Pages : XIV-437

Hauteur: 23.0 cm / Largeur 19.0 cm


Épaisseur: 2.3 cm

Poids: 820 g