Blog ENI : Toute la veille numérique !
Dernière chance (fin le 29/02) : -25€ dès 75€ sur les livres en ligne, vidéos... code FUSEE25. J'en profite !
Accès illimité 24h/24 à tous nos livres & vidéos ! 
Découvrez la Bibliothèque Numérique ENI. Cliquez ici
  1. Livres et vidéos
  2. Machine Learning - Implémentation en Python avec Scikit-learn (2e édition)

Machine Learning Implémentation en Python avec Scikit-learn (2e édition)

Bientôt disponible !
Suivez-nous pour être informé dès la sortie

Caractéristiques

  • Livre (broché) - 17 x 21 cm
  • ISBN : 978-2-409-04482-3
  • EAN : 9782409044823
  • Ref. ENI : EI2MLPYTSL
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.Il commence par une présentation du Machine Learning puis de la méthode CRISP où chaque phase est détaillée avec ses différentes étapes. Les premiers chapitres s’intéressent donc aux phases de Business Understanding (compréhension métier), Data...
  • Niveau Confirmé à Expert
  • Parution mai 2024
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.

Il commence par une présentation du Machine Learning puis de la méthode CRISP où chaque phase est détaillée avec ses différentes étapes. Les premiers chapitres s’intéressent donc aux phases de Business Understanding (compréhension métier), Data Understanding (ou compréhension des données) et de Data Preparation (préparation des données). Dans ces chapitres sont présentés des analyses statistiques de datasets, que cela soit sous forme numérique ou graphique ainsi que les principales techniques utilisées pour la préparation des données, avec leur rôle et des conseils sur leur utilisation.

Ensuite, plusieurs chapitres sont dédiés chacun à une tâche de Machine Learning : la classification, la régression, avec le cas particulier de la prédiction, ainsi que le clustering et plus globalement l’apprentissage non supervisé. Pour chaque tâche qui est présentée sont successivement détaillés les critères d’évaluation, les concepts derrière les principaux algorithmes puis leur implémentation avec Scikit-learn.

Pour illustrer les différents chapitres, les techniques et algorithmes présentés sont appliqués sur des datasets souvent utilisés : Iris (classification de fleurs), Boston (prévision de prix de vente d’appartements) et Titanic (prévision de la chance de survie des passagers du bateau). Le code Python est commenté et disponible en téléchargement (sous la forme de notebooks Jupyter) sur le site www.editions-eni.fr.
Auteur : Virginie  MATHIVET

Virginie MATHIVET

Virginie Mathivet, CEO Hemelopse, AI PhD
Après un doctorat sur les réseaux de neurones, Virginie MATHIVET a enseigné l'IA pendant plus de 10 ans. En 2017, elle a commencé à diriger l'équipe DataSquad chez TeamWork, puis le département Modern Data (IA, Data Engineering, Big Data). Elle est également conférencière. En 2023, elle crée sa propre entreprise, Hemelopse, pour se concentrer sur le conseil stratégique en IA.

En savoir plus

Découvrir tous ses livres

  • Machine Learning et Python Coffret de 2 livres : Implémentation avec Scikit-learn
  • Machine Learning Implémentation en Python avec Scikit-learn
  • L'Intelligence Artificielle pour les développeurs Concepts et implémentations en Java (2e édition)
  • L'Intelligence Artificielle pour les développeurs Concepts et implémentations en C# (2e édition)

Nos nouveautés

voir plus