Machine learning avec R : pour une modélisation mathématique rigoureuse

Fiche technique

Format : Broché
Nb de pages : 224 pages
Poids : 480 g
Dimensions : 19cm X 23cm
Date de parution :
ISBN : 978-2-412-04115-4
EAN : 9782412041154

Machine learning avec R

pour une modélisation mathématique rigoureuse

de

chez First interactive

Paru le | Broché 224 pages

Professionnels

35.00 Disponible - Expédié sous 7 jours ouvrés
Ajouter au panier

traduit de l'anglais par Daniel Rougé


Quatrième de couverture

Machine learning avec R

L'apprentissage automatique (ou machine learning) est un sujet intimidant jusqu'à ce que vous en connaissiez les fondements. Si vous comprenez les principes essentiels du codage, ce guide d'introduction vous aidera à acquérir une base solide dans le domaine de l'apprentissage automatique. En utilisant le langage de programmation R, vous commencerez par apprendre à modéliser avec la régression, puis passerez à des sujets plus avancés tels que les réseaux de neurones et les méthodes arborescentes.

Finalement, vous plongerez dans le monde de l'apprentissage automatique en utilisant le package caret associé au langage de programmation R. Une fois que vous serez familiarisé avec des sujets tels que les modèles de régression et de classification, vous serez en mesure de résoudre de multiples problèmes d'apprentissage automatique. L'auteur de ce livre fournit également plusieurs exemples pour vous aider à bâtir une connaissance pratique de l'apprentissage automatique.

  • Explorez le domaine de l'apprentissage automatique avec ses modèles, ses algorithmes et l'entraînement des données
  • Comprenez les algorithmes d'apprentissage automatique supervisés et non supervisés
  • Examinez les notions statistiques utiles pour la conception de données à utiliser dans les modèles
  • Plongez dans les modèles de régression linéaire utilisés dans les affaires et la science
  • Utilisez des réseaux de neurones monocouches et multicouches pour calculer les sorties
  • Découvrez comment fonctionnent les modèles arborescents et les arbres de décision courants
  • Obtenez une vue complète de l'écosystème de l'apprentissage automatique en R
  • Explorez la puissance des outils disponibles dans le package caret de R

Biographie

Scott V. Burger est un data scientist originaire de Seattle. Son expérience de la programmation vient du domaine de l'astrophysique, mais il l'utilise dons de nombreux autres types de scénarios allant de l'informatique décisionnelle à l'optimisation des bases de données. Fort d'une solide carrière bâtie sur la vulgarisation de concepts scientifiques auprès du grand public, Scott a désormais à coeur de braquer les projecteurs sur le monde de l'apprentissage automatique au profit des utilisateurs du langage de programmation R.