L'apprentissage automatique est un domaine interdisciplinaire qui utilise des méthodes, des algorithmes, des processus et des systèmes pour extraire des connaissances et des conclusions à partir de données structurées et non structurées. Elle combine des éléments de statistiques, d'informatique, de mathématiques et de techniques analytiques pour résoudre des problèmes, faire des prédictions et générer de la valeur à partir des données. Elle s'appuie sur le big data pour découvrir des modèles, des tendances et des relations qui peuvent être utilisés pour la prise de décision dans divers secteurs. C'est un support important pour l'intelligence artificielle. La science des données utilise deux types de techniques : l'apprentissage supervisé, qui entraîne un modèle avec des données d'entrée et de sortie connues pour prédire les résultats futurs, et l'apprentissage non supervisé, qui trouve des modèles cachés ou des structures intrinsèques dans les données d'entrée. La plupart des techniques d'apprentissage supervisé sont développées tout au long de ce livre d'un point de vue méthodologique et d'un point de vue pratique avec des applications via le logiciel Python. Les techniques suivantes sont explorées en profondeur : analyse discriminante, modèles logit, modèles probit, modèles de comptage, modèles linéaires généralisés, modèles de choix discrets, arbres de décision et forêts aléatoires.
L'apprentissage automatique est un domaine interdisciplinaire qui utilise des méthodes, des algorithmes, des processus et des systèmes pour extraire des connaissances et des conclusions à partir de données structurées et non structurées. Elle combine des éléments de statistiques, d'informatique, de mathématiques et de techniques analytiques pour résoudre des problèmes, faire des prédictions et générer de la valeur à partir des données. Elle s'appuie sur le big data pour découvrir des modèles, des tendances et des relations qui peuvent être utilisés pour la prise de décision dans divers secteurs. C'est un support important pour l'intelligence artificielle. La science des données utilise deux types de techniques : l'apprentissage supervisé, qui entraîne un modèle avec des données d'entrée et de sortie connues pour prédire les résultats futurs, et l'apprentissage non supervisé, qui trouve des modèles cachés ou des structures intrinsèques dans les données d'entrée. La plupart des techniques d'apprentissage supervisé sont développées tout au long de ce livre d'un point de vue méthodologique et d'un point de vue pratique avec des applications via le logiciel Python. Les techniques suivantes sont explorées en profondeur : analyse discriminante, modèles logit, modèles probit, modèles de comptage, modèles linéaires généralisés, modèles de choix discrets, arbres de décision et forêts aléatoires.
L'apprentissage Automatique à L'aide de Python. Apprentissage Supervisé: Analyse Discriminante, Modèles Linéaires Généralisés et Arbres de Décision (MACHINE LEARNING)
L'apprentissage Automatique à L'aide de Python. Apprentissage Supervisé: Analyse Discriminante, Modèles Linéaires Généralisés et Arbres de Décision (MACHINE LEARNING)
Product Details
| BN ID: | 2940182026512 |
|---|---|
| Publisher: | Scientific Books |
| Publication date: | 10/27/2025 |
| Series: | MACHINE LEARNING |
| Sold by: | Draft2Digital |
| Format: | eBook |
| File size: | 10 MB |
| Language: | French |