Accès illimité 24h/24 à tous nos livres & vidéos ! Découvrez la Bibliothèque Numérique ENI. Cliquez ici.
  1. Livres et vidéos
  2. Machine Learning et Python - Coffret de 2 livres : Implémentation avec Scikit-learn

Machine Learning et Python Coffret de 2 livres : Implémentation avec Scikit-learn

  • 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 et pour une durée de 10 ans
  • 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

Ces deux livres offrent au lecteur un maximum d'informations sur le Machine Learning et son implémentation avec la bibliothèque Python Sickit-Learn. 1095 pages par nos experts.
Des éléments complémentaires sont en téléchargement sur le site www.editions-eni.fr.

Un livre de la collection Expert IT
Le Machine Learning avec Python - De la théorie à la pratique

Extrait du résumé : Ce livre sur le Machine Learning avec le langage Python permet de disposer des connaissances théoriques nécessaires pour une compréhension approfondie du Machine Learning et d’appréhender les outils techniques utiles pour mettre en pratique les concepts étudiés. L’auteur y expose des exemples concrets sur les concepts de l’apprentissage automatique. Les lecteurs avertis trouveront dans ce livre une occasion d’aller plus loin dans leur compréhension des algorithmes du Machine Learning…

Un livre de la collection Expert IT
Machine Learning - Implémentation en Python avec Scikit-learn

Extrait du résumé : Ce livre présente à des personnes non Data Scientists, et sans connaissances particulières en mathématiques, la méthodologie du Machine Learning, ses concepts, ses principaux algorithmes et l'implémentation de ceux-ci en Python avec Scikit-learn…

Table des matières

Consulter la table des matières au format pdf

Auteurs

Madjid KHICHANE En savoir plus

Après un diplôme d'ingénieur en Informatique obtenu à l'université Mouloud Mammeri à Tizi-Ouzou en Algérie puis un Master en Intelligence Artificielle - Systèmes multi-agents obtenu à l'université Paris 5 (René Descartes), Madjid KHICHANE a soutenu son PhD en Intelligence Artificielle en collaboration entre l'Université Claude Bernard Lyon 1 et IBM. Cette thèse doctorale a donné naissance à des innovations algorithmiques dans le domaine de l'apprentissage par renforcement qui sont aujourd’hui publiées dans des conférences internationales de premier niveau.

Virginie MATHIVETEn savoir plus

Virginie MATHIVET a fait une thèse de doctorat en Intelligence Artificielle, plus précisément sur les algorithmes génétiques et les réseaux de neurones. Après avoir enseigné l'intelligence artificielle, la robotique et des matières liées au développement pendant plus de 10 ans, elle est aujourd'hui directrice de la R&D chez TeamWork et manager « Modern Data », unité contenant les différentes équipes en charge des sujets data (IoT, IA/ML, Big Data, Data Engineering). Egalement formatrice et conférencière, elle a été nommée première AWS Hero de la catégorie Machine Learning en France en 2021 et participe à des actions en faveur de la diversité dans les métiers du numérique.

Caractéristiques

  • Niveau Initié à Confirmé
  • Nombre de pages 1095 pages
  • Parution octobre 2022
    • Coffret - 17 x 21 cm
    • ISBN : 978-2-409-03740-5
    • EAN : 9782409037405
    • Ref. ENI : COEIMLPYTSL
  • Niveau Confirmé à Expert
  • Parution octobre 2022
    • HTML
    • ISBN : 978-2-409-03741-2
    • EAN : 9782409037412
    • Ref. ENI : LNCOEIMLPYTSL

Téléchargements

  • Des fichiers complémentaires EIMLPYT (210 Ko)
  • Des fichiers complémentaires EIMLPYT (24 796 Ko)
  • Des fichiers complémentaires EIMLPYT (30 904 Ko)
  • Des fichiers complémentaires EIMLPYT (31 652 Ko)
  • Des fichiers complémentaires EIMLPYT (4 335 Ko)
  • Des fichiers complémentaires EIMLPYTSL (3 049 Ko)

Nos nouveautés

voir plus