Traitement en cours...
Fermer la notification

Toutes nos lignes téléphoniques...

sont actuellement en dérangement du fait de l'opérateur (SFR), qui nous dit mettre tout en œuvre pour rétablir la situation dans les plus brefs délais mais jusqu'ici n'a pas réussi à le faire.
Nous restons cependant à votre disposition par d'autres moyens pour vous informer.
Si vous souhaitez connaître les dates estimées d’expédition des titres que vous avez commandés, pensez à simplement consulter le détail de vos commandes sur side.fr.
Si vous avez besoin d’une autre information, vous pouvez, selon votre urgence, écrire à notre service clients à france@side.fr ou appeler directement votre représentant ou appeler le 06 34 54 96 63, le numéro d'urgence temporaire que nous avons mis en place en attendant de retrouver notre accueil téléphonique habituel.

Afficher la notification

Introduction au Machine Learning - 3e éd.

Azencott Chloé-Agathe
Date de parution 25/06/2025
EAN: 9782100880423
Disponibilité Disponible chez l'éditeur
Le machine learning offre aujourd’hui à de nombreux secteurs d’activité la possibilité de réaliser des progrès spectaculaires grâce à ses puissants outils qui facilitent l’exploitation de grands volumes de données.Étudiantes et étudiants en informati... Voir la description complète
Nom d'attributValeur d'attribut
Common books attribute
ÉditeurDUNOD
Nombre de pages288
Langue du livreFrançais
AuteurAzencott Chloé-Agathe
FormatPaperback / softback
Type de produitLivre
Date de parution25/06/2025
Poids488 g
Dimensions (épaisseur x largeur x hauteur)1,40 x 17,10 x 24,00 cm
Le machine learning offre aujourd’hui à de nombreux secteurs d’activité la possibilité de réaliser des progrès spectaculaires grâce à ses puissants outils qui facilitent l’exploitation de grands volumes de données.Étudiantes et étudiants en informatique ou mathématiques appliquées en L3, master ou école d’ingénieurs, ce manuel vous permettra d’acquérir des bases solides sur les concepts et les algorithmes du machine learning.Il vous fournit les outils nécessaires pour :identifier et formaliser les problèmes qui peuvent être résolus par des approches de machine learning ;mettre en oeuvre les algorithmes classiques les plus appropriés ;implémenter ces algorithmes par vous-même afin d’en comprendre les tenants et aboutissants ;évaluer et comparer les performances de plusieurs algorithmes de machine learning pour une application particulière.Les notions de cours sont complétées par 85 exercices, intégralement corrigés, pour vous faciliter l’apprentissage et la validation de l’apprentissage.