1. Livres et vidéos
  2. Machine Learning et Deep Learning - Des bases à la conception avancée d'algorithmes (exemples en Python et en JavaScript)

Machine Learning et Deep Learning Des bases à la conception avancée d'algorithmes (exemples en Python et en JavaScript)

  • En stock
  • Expédié en 24h00
  • Livraison à partir de 0,01 €
  • Version en ligne offerte pendant 1 an
  • 1 h d'accès gratuit à tous nos livres et vidéos pour chaque commande
  • Accessible immédiatement
  • Version HTML
  • Accès illimité 24h/24, 7J/7
  • Accès illimité 24h/24, 7J/7
  • Tous les livres en ligne, les vidéos et les cours enregistrés ENI
  • Plus de 10 nouveautés livres et vidéos chaque mois
  • Les nouveautés disponibles le jour de leur sortie
  • Accès 100% en ligne

Présentation

Ce livre s’adresse à toute personne qui désire mieux comprendre et utiliser les algorithmes pour améliorer sa pratique de la programmation, et acquérir une compréhension de base des domaines du Machine Learning et du Deep Learning.

L’auteur commence par parler de logique pour aider le lecteur dans sa compréhension des algorithmes classiques et des règles de programmation. Il sera ainsi armé pour étudier les bases propres à tout langage de programmation : les variables, les opérateurs, les conditions, les boucles, les fonctions…

Dans la suite du livre, l’auteur détaille ce qui fait la spécificité, l’intérêt et la puissance des algorithmes dits intelligents, dédiés au Machine Learning ou au Deep Learning. Il donne au lecteur des exemples d’applications modernes et montre comment les utiliser concrètement dans des programmes informatiques.

La plupart des algorithmes de ce livre sont traduits en Python et en JavaScript. Les sources, directement utilisables, sont disponibles en téléchargement sur le site www.editions-eni.fr.

Table des matières

  • L’histoire de l’algorithmique
    • 1. Atteindre des objectifs
    • 2. Où trouve-t-on les algorithmes ?
    • 3. Depuis quand les algorithmes existent-ils ?
    • 4. Les algorithmes et les ordinateurs
      • 4.1 Des algorithmes inspirés de la nature
      • 4.2 L’algorithmique, un jeu de logique inspiré du fonctionnement du cerveau
  • Les langages de programmation
    • 1. Le binaire et le programmeur
    • 2. Du binaire aux langages de programmation
    • 3. Le bon et le mauvais programmeur
    • 4. Organigramme et pseudo-code
    • 5. Python et JavaScript
  • Un peu de logique
    • 1. Êtes-vous logique ?
    • 2. Les biais cognitifs
    • 3. Quelques définitions importantes
    • 4. Les types de raisonnements
    • 5. Les quantificateurs
    • 6. Résoudre les bogues de façon logique
    • 7. Exercices
  • Les variables
    • 1. Introduction
    • 2. Création et nommage des variables
    • 3. Les types des variables
    • 4. Affectation de variables
    • 5. Les tableaux à une dimension
    • 6. Les tableaux à plusieurs dimensions
    • 7. Un premier programme
    • 8. Programmer avec Python en utilisant Google Colaboratory
    • 9. Programmer avec JavaScript
  • Les opérateurs
    • 1. Introduction
    • 2. Les opérateurs d’affectation
    • 3. Les opérateurs arithmétiques
    • 4. Les opérateurs alphanumériques
    • 5. Les opérateurs logiques
    • 6. Les opérateurs de comparaison
  • Les conditions
    • 1. Un booléen sinon rien
    • 2. Écrire des structures conditionnelles
    • 3. Les conditions imbriquées
    • 4. Des conditions avec des choix prédéfinis
  • Les boucles
    • 1. Introduction
    • 2. La boucle Pour
    • 3. La boucle Tant que
    • 4. La boucle infinie
    • 5. Les boucles imbriquées
  • Les fonctions et la programmation orientée objet
    • 1. Introduction
    • 2. Un programmeur, ça DRY
    • 3. Écrire une procédure
    • 4. Les paramètres
    • 5. Écrire une fonction
    • 6. Les fonctions dans les langages de programmation
    • 7. Utiliser des fonctions déjà existantes
      • 7.1 Cas du langage Python
      • 7.2 Cas du langage JavaScript
      • 7.3 Exemple de fonctions très pratiques
    • 8. La programmation orientée objet
      • 8.1 Exemples de méthodes très pratiques
      • 8.2 Créer une première classe
  • La complexité algorithmique
    • 1. Introduction
    • 2. La complexité spatiale
    • 3. La complexité temporelle
    • 4. Notation
    • 5. Exemple de la recherche d’un élément dans une liste
  • La récursivité
    • 1. Introduction
    • 2. Une factorielle récursive
    • 3. Fibonacci récursif
  • Les algorithmes d’intelligence artificielle
    • 1. Surmonter le paradoxe de Polanyi
    • 2. Quelques applications de l’intelligence artificielle
    • 3. Les différents types d’intelligence
    • 4. Comment fonctionnent les algorithmes d’intelligence artificielle ?
    • 5. Les données, la nourriture des algorithmes d’intelligence artificielle
    • 6. Les dangers liés à l’intelligence artificielle
  • L’analyse des données
    • 1. Introduction
    • 2. Récupération des données
    • 3. Les outils de l’analyse de données
    • 4. Manipulation d’arrays avec NumPy
      • 4.1 Importer Numpy
      • 4.2 Créer un array
      • 4.3 Accéder aux éléments d’un array
      • 4.4 Obtenir des informations d’un array
      • 4.5 Modifier le type d’un array
      • 4.6 Effectuer des opérations mathématiques sur un array
      • 4.7 Les autres méthodes utiles
    • 5. Manipulation de dataframes avec Pandas
      • 5.1 Importer Pandas
      • 5.2 Créer un dataframe à partir de plusieurs objets
      • 5.3 Les séries Pandas
      • 5.4 Trier un dataframe
      • 5.5 Nettoyer un dataframe
      • 5.6 Effectuer des opérations statistiques dans un dataframe
    • 6. Visualisation des données avec Matplotlib et Seaborn
    • 7. Encodage et normalisation des données avec Scikit learn
      • 7.1 Introduction
      • 7.2 Encodage
      • 7.3 Normalisation
      • 7.4 Train et test split
  • Le machine learning
    • 1. Définition du machine learning
    • 2. Le métier de data scientist
    • 3. Cas de l’analyse des prix du loyer
    • 4. Découvrir des modèles très utilisés
      • 4.1 La régression linéaire
      • 4.2 La régression polynomiale
      • 4.3 Le clustering K-moyennes
      • 4.4 L’analyse en composantes principales
      • 4.5 L’algorithme des K plus proches voisins
    • 5. Notre choix de modèle
    • 6. Exemples d’applications
    • 7. Faire du machine learning avec JavaScript
      • 7.1 Math.js
      • 7.2 Plotly.js
      • 7.3 La régression linéaire simple avec JavaScript
  • Le deep learning
    • 1. Introduction
    • 2. Comment ça, des neurones ?
    • 3. Comment fonctionnent les neurones artificiels ?
    • 4. Les applications
    • 5. Classification supervisée avec du deep learning
    • 6. D’autres modèles très puissants
    • 7. La bibliothèque OpenCV
    • 8. Faire du deep learning avec JavaScript
  • L’apprentissage par renforcement
    • 1. Introduction
    • 2. Les bases de l’apprentissage par renforcement
    • 3. Les processus de décision markoviens
    • 4. Exemple d’algorithme par renforcement
    • 5. Exemples d’applications
    • Index

Auteur

Patrick WAMPEEn savoir plus

Data Scientist, Développeur Full Stack et formateur depuis plusieurs années, Patrick WAMPÉ a participé à la création et à l’amélioration de formations au sein de plusieurs écoles dans les domaines de la data science et du développement informatique. Il a occupé des postes de Chef de projet, Coordinateur de formateurs data ou encore Responsable de filière informatique. Il est également passionné de sciences et de philosophies, et dispense des conférences et des cours dans ce domaine depuis plus de 10 ans.

Caractéristiques

  • Niveau Initié à Confirmé
  • Nombre de pages 283 pages
  • Parution juillet 2021
    • Livre (broché) - 17 x 21 cm
    • ISBN : 978-2-409-02760-4
    • EAN : 9782409027604
    • Ref. ENI : RIMLDLALG
  • Niveau Initié à Confirmé
  • Parution juillet 2021
    • HTML
    • ISBN : 978-2-409-02761-1
    • EAN : 9782409027611
    • Ref. ENI : LNRIMLDLALG

Téléchargements

En complétant ce formulaire, vous acceptez d'être contacté afin de recevoir des informations sur nos produits et services ainsi que nos communications marketing. Vous aurez la possibilité de vous désabonner de nos communications à tout moment. Pour plus d'informations sur notre politique de protection des données, cliquez ici.
  • Des fichiers complémentaires (395 Ko)