Collection(s) : Algorithmes
Paru le 18/06/2020 | Broché XVIII-308 pages
Professionnels
préface de Francis Bach
Machine Learning
2e édition
Machine Learning et intelligence artificielle
Le Machine Learning est l'un des domaines de l'intelligence artificielle qui a pour but de concevoir des programmes qui ne sont pas explicitement codés pour s'acquitter d'une tâche particulière. Les concepts de ce domaine sont fondés sur la logique inférentielle et tentent de dégager des règles générales à partir d'un nombre fini d'observations.
Un ouvrage de référence
Cet ouvrage présente les fondements scientifiques de la théorie de l'apprentissage supervisé, les algorithmes les plus répandus développés suivant ce domaine ainsi que les deux cadres de l'apprentissage semi-supervisé et de l'ordonnancement, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. La première édition, connue sous le nom Apprentissage machine, fut traduite en chinois par les éditions iTuring. Dans cette deuxième édition, un nouveau chapitre est dédié au Deep Learning, sur les réseaux de neurones artificiels, et nous avons reorganisé les autres chapitres pour un exposé cohérent reliant la théorie aux algorithmes développes dans cette sphère. Vous trouverez également dans cette édition quelques programmes des algorithmes classiques, écrits en langages Python et C (langages à la fois simples et populaires), et à destination des lecteurs qui souhaitent connaître le fonctionnement de ces modèles désignés parfois comme des boites noires. Ces programmes libres (GPLV3) essentiels au développement de solutions big data sont déposés progressivement sur ce gitlab (https://gricadgitlab.univ-grenoble-alpes.fr/aminima/machine-learning-tools).
À qui s'adresse ce livre ?
¤ Aux élèves ingénieurs, étudiants de master et doctorants en mathématiques appliquées, algorithmique, recherche opérationnelle, gestion de production, aide à la décision.
¤ Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes de classification, de partitionnement et d'ordonnancement à large échelle
Massih-Reza Amini, professeur d'informatique à l'université Grenoble Alpes (UGA), est titulaire d'une thèse sur l'étude de nouveaux cadres et modèles d'apprentissage statistiques pour les nouvelles applications émergentes issues d'Internet.
Il est co-auteur de plus d'une centaine d'articles scientifiques parus parmi les actes de conférences et de revues les plus prestigieux des domaines de l'apprentissage automatique et de la recherche d'information.
Il est également co-auteur des ouvrages Recherche d'information et Data science parus aux éditions Eyrolles.
