Mezghani, Neila (2026). Analyse de données et apprentissage machine : Théorie et mise en œuvre en Python. . ISBN 979-8175452953
Fichier(s) associé(s) à ce document :![[thumbnail of Livre-Apprentissage-Machine-1er-Edition.pdf]](https://r-libre.teluq.ca/style/images/fileicons/pdf.png "Livre-Apprentissage-Machine-1er-Edition.pdf")
|
PDF - Livre-Apprentissage-Machine-1er-Edition.pdf |
|
| Catégorie de document : | Livres |
|---|---|
| Évaluation par un comité de lecture : | Non |
| Étape de publication : | Publié |
| Résumé : | L'analyse de données et l'apprentissage machine occupent aujourd'hui une place centrale dans la recherche, l'innovation et de nombreux secteurs d'activité. Comment transformer des données brutes en informations utiles ? Comment construire, évaluer et interpréter des modèles capables de prédire, de classer ou de découvrir des structures dans les données ? Cet ouvrage s'adresse aux étudiant·e·s, chercheur·euse·s et professionnel·le·s souhaitant acquérir une compréhension approfondie des concepts fondamentaux de l'analyse de données et de l'apprentissage machine, tout en maîtrisant leur mise en œuvre pratique avec Python. Des notions introductives aux méthodologies plus avancées, il propose une progression pédagogique rigoureuse et structurée. À travers des exemples concrets, des études de cas et des implémentations détaillées, le livre présente les principales étapes d'un projet d'analyse de données : préparation et exploration des données, sélection des variables, apprentissage supervisé et non supervisé, évaluation des modèles et interprétation des résultats. Il constitue ainsi un guide de référence pour appliquer ces méthodes dans des domaines variés tels que la santé, la vision par ordinateur, la finance et l'aide à la décision. Points forts de cet ouvrage : • Une progression pédagogique structurée, adaptée à un public aux profils et niveaux variés. • Des explications accessibles et précises des fondements théoriques, systématiquement illustrées par des exemples pratiques et contextualisés. • Des implémentations détaillées des principales architectures et algorithmes d'apprentissage automatique, favorisant la compréhension des mécanismes sous-jacents et leur mise en œuvre concrète. |
| Adresse de la version officielle : | https://www.amazon.ca/Analyse-donn%C3%A9es-apprent... |
| Déposant: | Ayena, Johannes |
| Responsable : | Johannes Ayena |
| Dépôt : | 23 oct. 2026 15:21 |
| Dernière modification : | 23 oct. 2026 15:21 |
|
RÉVISER |
