CHAPITRE 01 Orange, sans codage, apprentissage automatique

1.1 Analyse de données sans codage et orange
1.2 Comprendre le concept d'intelligence artificielle
1.3 Comment installer
1.4 Composition de l'écran
1.5 Widget
Problèmes pratiques

CHAPITRE 02 Notions de base sur l'orange et analyse statistique élémentaire

2.1 Analyse des caractéristiques de chaque type de fleur (Widget de statistiques de base d'Orange)
2.2 Analysons la répartition des étudiants inscrits au cours (tableau croisé dynamique).
Problèmes pratiques

CHAPITRE 03 Visualisation des données

3.1 À quel moment de la journée observe-t-on le plus souvent des cas de conduite en état d'ivresse ? (Histogramme)
3.2 Existe-t-il des différences dans la composition du vin selon le cépage ? (Graphique à barres et diagramme en boîte)
3.3 Les ormeaux vieillissent-ils ? (Diagramme de dispersion et coefficient de corrélation)
3.4.
Analyse des données des survivants du Titanic (Présentation en mosaïque)
Problèmes pratiques

CHAPITRE 04 Prétraitement des données

4.1 Quelle est la ville la plus chaude de notre pays ? (Imputation)
4.2 Déterminons la zone où les véhicules électriques sont les plus actifs (Melt)
4.3 Le phishing vocal est-il en baisse ? (Constructeur de fonctionnalités)
4.4 Où les gens attrapent-ils le plus de rhumes ? (Fusionner les données, concaténer)
Problèmes pratiques

CHAPITRE 05 Apprentissage non supervisé et analyse des données

5.1 Qu'est-ce que l'apprentissage non supervisé ?
5.2 Recherchons les élèves ayant des profils de performance similaires (classification hiérarchique).
5.3 Regroupons les animaux similaires du zoo (algorithme K-means)
5.4 Quelles stations de ski européennes visiterez-vous cet hiver ? (Carte interactive)
5.5 Identification des entreprises performantes grâce aux données financières (analyse en composantes principales)
Problèmes pratiques

CHAPITRE 06 Apprentissage supervisé et classification des données

6.1 Qu’est-ce que l’apprentissage supervisé ?
6.2 Prévoyons les prix de l'immobilier (analyse de régression)
6.3 Les données des bilans de santé peuvent-elles prédire le statut tabagique ? (Régression logistique et Naive Bayes)
6.4 Ce financement sera-t-il couronné de succès ? (K-NN, arbre de décision, forêt aléatoire)
6.5 Prédisons si une personne souffre d'une maladie cardiaque (machines à vecteurs de support et réseaux neuronaux artificiels).
Problèmes pratiques

CHAPITRE 07 Apprentissage profond et classification d'images

7.1 Données photographiques et apprentissage profond
7.2 Données orange et image
7.3 Comment s'appelle cette fleur ? (Intégration d'images et réseaux neuronaux convolutifs)
7.4 Organisation des photos sur mon ordinateur (Images et apprentissage non supervisé)
7.5 Classons les types de véhicules (Application d'apprentissage d'images (1))
7.6 Classons les expressions faciales des animaux de compagnie (Application d'apprentissage d'images (2))
Problèmes pratiques

CHAPITRE 08 Traitement automatique du langage naturel

8.1 Qu'est-ce que le traitement automatique du langage naturel ?
8.2 Quels sont les mots les plus fréquemment utilisés par les candidats à la présidence américaine ? (Nuage de mots)
8.3 Classons automatiquement les courriels indésirables (traitement automatique du langage naturel + apprentissage automatique)
8.4 Combien de personnes apprécient ce produit ? (Analyse des sentiments exprimés dans le texte)
8.5 Quels sont les mots-clés principaux des articles d'actualité d'aujourd'hui ? (Réseau de cooccurrence)
Problèmes pratiques

CHAPITRE 09 Analyse des données de séries chronologiques

9.1 Que sont les données de séries temporelles ?
9.2 Visualisons les informations sur le cours des actions (visualisation de données de séries temporelles)
9.3 Quel sera le volume des ventes le mois prochain ? (Modèle de prévision de séries chronologiques - ARIMA)
9.4 Espérance de vie et PIB par époque et par pays (carte visuelle)
Problèmes pratiques

Cependant, les ouvrages existants sur Orange se concentrent principalement sur l'apprentissage des fonctions du programme ou ne proposent que quelques exercices pratiques, ce qui peut s'avérer quelque peu décevant pour les chercheurs et les étudiants qui se consacrent à l'apprentissage automatique et à l'analyse de données.
En revanche, ce livre présente l'avantage considérable de vous permettre d'apprendre de manière exhaustive l'apprentissage automatique et l'analyse de données en seulement 15 semaines, même si vous n'avez aucune connaissance en programmation.
En évitant le processus de codage fastidieux, vous pouvez vous concentrer davantage sur l'apprentissage de l'utilisation des modèles d'apprentissage automatique.
À travers divers exemples, vous pourrez progressivement appréhender les concepts clés de l'apprentissage automatique et le processus d'analyse des données, et acquérir la capacité d'analyser facilement et rapidement par vous-même différentes données.
En écrivant cette introduction, je laisse libre cours à mon imagination quant à ce à quoi ressembleront les outils de programmation du futur.
À l'heure où de nombreuses tâches s'automatisent, le codage textuel ne risque-t-il pas de devenir obsolète ? J'espère que cet ouvrage rendra l'apprentissage automatique et l'analyse de données plus accessibles aux étudiants de diverses disciplines.

Caractéristiques de ce livre

• Analyse intuitive par codage visuel : au lieu du codage textuel couramment utilisé, nous avons utilisé une technique de codage visuel qui consiste à glisser-déposer des icônes pour analyser facilement les données et utiliser l’intelligence artificielle.
• Configurez facilement différents types de modèles d'apprentissage automatique : vous pouvez configurer de nouveaux modèles d'IA simplement en ajoutant et en connectant des widgets, ce qui vous permet d'étudier différents modèles d'IA et de les appliquer à divers problèmes en peu de temps.
• Explication simple des concepts de base de l'intelligence artificielle par l'image : Les concepts complexes de l'intelligence artificielle sont expliqués de manière simple et concise à l'aide d'images, permettant une compréhension intuitive des connaissances de base nécessaires à l'analyse des données, etc.
• Explication des techniques d'intelligence artificielle via [En savoir plus] : Les théories complexes de l'intelligence artificielle sont expliquées de manière concise sur une seule page avec des illustrations, permettant une compréhension conceptuelle des théories de l'intelligence artificielle.
• Diverses pratiques d'analyse de données basées sur des données réelles : Ce cours est conçu pour vous aider à améliorer vos compétences en analyse de données en intégrant et en analysant diverses données du monde réel, telles que l'état des répressions contre la conduite en état d'ivresse et les changements de l'espérance de vie mondiale.
• Exercices pratiques : Des exercices pratiques sont proposés pour vous aider à vérifier votre compréhension de la théorie de l’intelligence artificielle et les connaissances pratiques nécessaires à l’analyse des données.
Nous présentons également de nouvelles données auxquelles vous pouvez appliquer la technologie d'intelligence artificielle apprise, afin que vous puissiez mettre en pratique ce que vous avez appris.