Les fondamentaux de l'apprentissage automatique

L'ouvrage "The Fundamentals of Machine Learning" est conçu pour être accessible aux lecteurs ayant des connaissances de base en mathématiques et en programmation. Nous commençons par une introduction aux concepts clés, en explorant les différents types d'algorithmes d'apprentissage automatique et leurs applications. Ensuite, nous nous penchons sur les éléments essentiels, notamment le prétraitement des données, l'ingénierie des caractéristiques, la sélection des modèles et l'évaluation. Nous abordons également des sujets importants tels que le surajustement, la régularisation et la validation croisée pour vous aider à développer des modèles qui se généralisent bien.Il est important de noter que l'apprentissage automatique est un domaine qui évolue rapidement, avec de nouveaux algorithmes, de nouvelles techniques et de nouvelles applications qui apparaissent régulièrement. Bien que ce livre constitue une base solide, il est toujours conseillé d'explorer les dernières recherches et développements au-delà de son champ d'application. Le domaine de l'apprentissage automatique offre des possibilités d'innovation infinies, et nous espérons que ce livre vous incitera à l'explorer davantage et à contribuer à sa croissance.

Autorentext

Bhagirath Bhatt, Dipartimento di ECE, Istituto Tecnico A V Parekh, RajkotProf. Anjali Sandeep Gaikwad, Dipartimento di applicazioni informatiche, Bharati Vidyapeeth (Deemed to be University), Istituto di gestione, KolhapurDr. Uganya G, Dipartimento di ECE, Vel Tech Rangarajan Dr.Sagunthala R&D Institute of Science and Technology, Chennai.

Klappentext

L'ouvrage "The Fundamentals of Machine Learning" est conçu pour être accessible aux lecteurs ayant des connaissances de base en mathématiques et en programmation. Nous commençons par une introduction aux concepts clés, en explorant les différents types d'algorithmes d'apprentissage automatique et leurs applications. Ensuite, nous nous penchons sur les éléments essentiels, notamment le prétraitement des données, l'ingénierie des caractéristiques, la sélection des modèles et l'évaluation. Nous abordons également des sujets importants tels que le surajustement, la régularisation et la validation croisée pour vous aider à développer des modèles qui se généralisent bien.Il est important de noter que l'apprentissage automatique est un domaine qui évolue rapidement, avec de nouveaux algorithmes, de nouvelles techniques et de nouvelles applications qui apparaissent régulièrement. Bien que ce livre constitue une base solide, il est toujours conseillé d'explorer les dernières recherches et développements au-delà de son champ d'application. Le domaine de l'apprentissage automatique offre des possibilités d'innovation infinies, et nous espérons que ce livre vous incitera à l'explorer davantage et à contribuer à sa croissance.