{"product_id":"139316","title":"Apprentissage automatique à l'aide de bibliothèques Python ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jXPBu9UuDm03WHNB5oQNsN5SgywMN.png?v=1765074425\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\n\n\u003cdiv style=\"width:95%\"\u003e\n\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e Apprentissage automatique à l'aide de bibliothèques Python \u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/107680777\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e Description \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eIntroduction au livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\u003cdiv\u003e \u003cb\u003eApprenez la théorie et la mise en œuvre du Machine Learning auprès d'un développeur principal de Scikit-Learn.\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Il n'est pas forcément nécessaire d'avoir un diplôme pour étudier l'apprentissage automatique et développer des services d'intelligence artificielle dans ce domaine. \u003cbr\u003eCeci est possible grâce à d'excellentes bibliothèques d'apprentissage automatique comme scikit-learn, qui encapsulent des tâches complexes et difficiles dans une interface intuitive.\u003cbr\u003e Dans ce livre, un développeur principal de scikit-learn explique chaque étape de la construction d'un système d'apprentissage automatique pratique sans mathématiques complexes.\u003cbr\u003e Même si vous n'avez pas étudié le calcul différentiel et intégral, l'algèbre linéaire ou la théorie des probabilités, vous pourrez utiliser l'apprentissage automatique grâce à ce livre.\u003cbr\u003e\u003cbr\u003e ※ Cette deuxième édition révisée de la traduction est basée sur la quatrième édition du livre original, qui a été entièrement mise à jour conformément aux mises à jour de scikit-learn.\u003cbr\u003e Nous avons corrigé les fautes de frappe et imprimé en couleur pour plus de clarté.\u003cbr\u003e\n\n\u003c\/div\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cul\u003e\u003cli\u003e Vous pouvez consulter un aperçu du contenu du livre.\u003cbr\u003e \u003cspan\u003eAperçu\u003c\/span\u003e\n\n\u003c\/li\u003e\u003c\/ul\u003e\u003c\/div\u003e\n\u003c\/div\u003e \",\"\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eCHAPITRE 1 Introduction\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 1.1 Pourquoi l'apprentissage automatique ?\u003cbr\u003e 1.1.1 Problèmes pouvant être résolus grâce à l'apprentissage automatique\u003cbr\u003e 1.1.2 Compréhension du problème et des données\u003cbr\u003e 1.2 Pourquoi Python ?\u003cbr\u003e 1.3 scikit-learn\u003cbr\u003e __1.3.1 Installation de scikit-learn \u003cbr\u003e1.4 Bibliothèques et outils requis\u003cbr\u003e __1.4.1 Jupyter Notebook\u003cbr\u003e __1.4.2 NumPy\u003cbr\u003e __1.4.3 SciPy\u003cbr\u003e __1.4.4 matplotlib\u003cbr\u003e __1.4.5 pandas\u003cbr\u003e __1.4.6 mglearn\u003cbr\u003e 1.5 Python 2 vs.\u003cbr\u003e Python 3\u003cbr\u003e 1.6 Versions des logiciels utilisés dans ce livre\u003cbr\u003e 1.7 Première application : Classification des variétés d'iris\u003cbr\u003e __1.7.1 Chargement des données\u003cbr\u003e 1.7.2 Mesure des performances : données d'entraînement et de test\u003cbr\u003e 1.7.3 Avant toute chose : examiner les données\u003cbr\u003e __1.7.4 Notre premier modèle d'apprentissage automatique : l'algorithme des k plus proches voisins\u003cbr\u003e __1.7.5 Prédiction\u003cbr\u003e 1.7.6 Évaluation du modèle\u003cbr\u003e 1.8 Résumé et synthèse\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 2 Apprentissage supervisé\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 2.1 Classification et régression\u003cbr\u003e 2.2 Généralisation, surapprentissage et sous-apprentissage\u003cbr\u003e 2.2.1 Relation entre la complexité du modèle et la taille de l'ensemble de données\u003cbr\u003e 2.3 Algorithmes d'apprentissage supervisé\u003cbr\u003e __2.3.1 Jeu de données à utiliser dans l'exemple\u003cbr\u003e __2.3.2 k plus proches voisins\u003cbr\u003e __2.3.3 Modèle linéaire\u003cbr\u003e __2.3.4 Classificateur naïf de Bayes\u003cbr\u003e __2.3.5 Arbre de décision\u003cbr\u003e __2.3.6 Ensemble d'arbres de décision\u003cbr\u003e __2.3.7 (Annexe de la version coréenne) Ensachage, arbre supplémentaire, Adaboost \u003cbr\u003e__2.3.8 Machine à vecteurs de support à noyau\u003cbr\u003e __2.3.9 Réseaux de neurones (apprentissage profond)\u003cbr\u003e 2.4 Estimation de l'incertitude dans les prédictions de classification\u003cbr\u003e 2.4.1 Fonction de décision\u003cbr\u003e __2.4.2 Probabilité prévue\u003cbr\u003e __2.4.3 Incertitude dans la multiclassification\u003cbr\u003e 2.5 Résumé et synthèse\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 3 Apprentissage non supervisé et prétraitement des données\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 3.1 Types d'apprentissage non supervisé\u003cbr\u003e 3.2 Les défis de l'apprentissage non supervisé\u003cbr\u003e 3.3 Prétraitement et mise à l'échelle des données\u003cbr\u003e 3.3.1 Diverses méthodes de prétraitement\u003cbr\u003e 3.3.2 Application de la transformation des données\u003cbr\u003e __3.3.3 (Annexe de la version coréenne) Transformateur de quantile et transformateur de puissance\u003cbr\u003e 3.3.4 Mettre à l'échelle les données d'entraînement et de test de la même manière\u003cbr\u003e 3.3.5 L'effet du prétraitement des données dans l'apprentissage supervisé\u003cbr\u003e 3.4 Réduction de dimensionnalité, extraction de caractéristiques et apprentissage de variétés\u003cbr\u003e __3.4.1 Analyse en composantes principales (ACP)\u003cbr\u003e __3.4.2 Factorisation de matrices non négatives (NMF)\u003cbr\u003e 3.4.3 Apprentissage de variétés avec t-SNE\u003cbr\u003e 3.5 Cluster\u003cbr\u003e 3.5.1 Clustering k-means\u003cbr\u003e __3.5.2 Fusionner les clusters\u003cbr\u003e __3.5.3 DBSCAN\u003cbr\u003e 3.5.4 Comparaison et évaluation des algorithmes de clustering\u003cbr\u003e __3.5.5 Résumé des algorithmes de clustering\u003cbr\u003e 3.6 Résumé et synthèse\u003cbr\u003e \u003cbr\u003e\u003cb\u003eCHAPITRE 4 Représentation des données et ingénierie des caractéristiques\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 4.1 Variables catégorielles\u003cbr\u003e __4.1.1 Encodage One-Hot (Variable)\u003cbr\u003e 4.1.2 Caractéristiques catégorielles exprimées sous forme de nombres\u003cbr\u003e 4.2 OneHotEncoder et ColumnTransformer : Gestion des variables catégorielles avec scikit-learn\u003cbr\u003e 4.3 Créez facilement un ColumnTransformer avec make_column_transformer\u003cbr\u003e 4.4 Segmentation par intervalles, discrétisation et modèles linéaires et arborescents\u003cbr\u003e 4.5 Interactions et polynômes\u003cbr\u003e 4.6 Transformation non linéaire univariée\u003cbr\u003e 4.7 Sélection automatique des caractéristiques\u003cbr\u003e 4.7.1 Statistiques univariées\u003cbr\u003e 4.7.2 Sélection de caractéristiques basée sur un modèle\u003cbr\u003e 4.7.3 Sélection itérative des caractéristiques\u003cbr\u003e 4.8 Tirer parti des connaissances d'experts\u003cbr\u003e 4.9 Résumé et synthèse\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 5 ÉVALUATION DU MODÈLE ET AMÉLIORATION DES PERFORMANCES\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 5.1 Validation croisée\u003cbr\u003e 5.1.1 Validation croisée dans scikit-learn\u003cbr\u003e 5.1.2 Avantages de la validation croisée\u003cbr\u003e 5.1.3 Validation croisée hiérarchique à k plis et autres stratégies\u003cbr\u003e __5.1.4 (Annexe de la version coréenne) Validation croisée répétée\u003cbr\u003e 5.2 Recherche par grille\u003cbr\u003e 5.2.1 Recherche par grille simple\u003cbr\u003e 5.2.2 Surapprentissage des paramètres et ensemble de validation\u003cbr\u003e 5.2.3 Recherche par grille utilisant la validation croisée\u003cbr\u003e 5.3 Indicateurs et mesures d'évaluation \u003cbr\u003e5.3.1 N'oubliez pas l'objectif ultime\u003cbr\u003e 5.3.2 Métriques d'évaluation pour la classification binaire\u003cbr\u003e 5.3.3 Métriques d'évaluation pour la classification multiple\u003cbr\u003e __5.3.4 Indicateurs d'évaluation de la régression\u003cbr\u003e 5.3.5 Utilisation des métriques d'évaluation dans la sélection de modèles\u003cbr\u003e 5.4 Résumé et synthèse\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 6 Chaînes d'algorithmes et pipelines\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 6.1 Prétraitement des données et sélection des paramètres\u003cbr\u003e 6.2 Création d'un pipeline\u003cbr\u003e 6.3 Application des pipelines à la recherche par grille\u003cbr\u003e 6.4 Interface de pipeline\u003cbr\u003e __6.4.1 Création d'un pipeline à l'aide de make_pipleline\u003cbr\u003e 6.4.2 Accès aux propriétés de l'étape\u003cbr\u003e 6.4.3 Accès aux propriétés du pipeline dans la recherche par grille\u003cbr\u003e 6.5 Recherche par grille pour le prétraitement et les paramètres du modèle\u003cbr\u003e 6.6 Recherche par grille pour la sélection du modèle\u003cbr\u003e __6.6.1 Éviter le double comptage\u003cbr\u003e 6.7 Résumé et synthèse\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 7 Traitement des données textuelles\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 7.1 Type de données Chaîne\u003cbr\u003e 7.2 Exemple d'application : Analyse des sentiments des critiques de films\u003cbr\u003e 7.3 Représentation des données textuelles sous forme de BOW\u003cbr\u003e 7.3.1 Application de BOW aux données d'échantillon \u003cbr\u003e__7.3.2 BOW sur les critiques de films\u003cbr\u003e 7.4 Mots vides\u003cbr\u003e 7.5 Rééchelonnement des données avec tf-idf\u003cbr\u003e 7.6 Analyse des coefficients du modèle\u003cbr\u003e 7.7 BOW (n-gramme) composé de plusieurs mots\u003cbr\u003e 7.8 Tokenisation avancée, racinisation et extraction des titres\u003cbr\u003e __7.8.1 (Annexe de la version coréenne) Analyse des critiques de films à l'aide de KoNLPy\u003cbr\u003e 7.9 Modélisation thématique et regroupement de documents\u003cbr\u003e __7.9.1 LDA\u003cbr\u003e 7.10 Résumé et synthèse\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 8 CONCLUSION\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 8.1 Approches des problèmes d'apprentissage automatique\u003cbr\u003e 8.1.1 Participation à la prise de décision\u003cbr\u003e 8.2 Du prototype au produit\u003cbr\u003e 8.3 Tests du système produit\u003cbr\u003e 8.4 Créer votre propre estimateur\u003cbr\u003e 8.5 À apprendre davantage\u003cbr\u003e 8.5.1 Théorie\u003cbr\u003e 8.5.2 Autres frameworks et packages d'apprentissage automatique\u003cbr\u003e 8.5.3 Classement, systèmes de recommandation et autres algorithmes\u003cbr\u003e 8.5.4 Modélisation probabiliste, inférence et programmation probabiliste\u003cbr\u003e __8.5.5 Réseaux neuronaux\u003cbr\u003e 8.5.6 Passage à l'échelle des grands ensembles de données\u003cbr\u003e 8.5.7 Développement des compétences\u003cbr\u003e 8.6 En conclusion\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e \",\"\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eImage détaillée\u003c\/b\u003e \u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cdiv\u003e\u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate3773\/MidCate004\/377233238.jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e \",\"\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eAvis de l'éditeur\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e  \u003cdiv\u003e\n\u003cb\u003eUne introduction complète à l'apprentissage automatique pour les praticiens du machine learning à la recherche de solutions à des problèmes concrets.\u003cbr\u003e Une traduction révisée de la deuxième édition, reflétant scikit-learn 1.x et disponible pour la pratique sur Google Colab.\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Ce livre n'explique pas comment construire des algorithmes d'apprentissage automatique à partir de zéro, mais se concentre plutôt sur l'utilisation du grand nombre de modèles déjà implémentés dans scikit-learn et d'autres bibliothèques.\u003cbr\u003e Ce livre d'introduction ne requiert aucune connaissance préalable en apprentissage automatique ou en intelligence artificielle. Il vous guide pas à pas dans la création d'applications d'apprentissage automatique réussies, en mettant l'accent sur Python et scikit-learn.\u003cbr\u003e Les méthodes présentées ici seront utiles non seulement aux professionnels des données développant des applications commerciales, mais aussi aux chercheurs et aux scientifiques.\u003cbr\u003e Si vous êtes familier avec Python et les bibliothèques NumPy et matplotlib, vous comprendrez la majeure partie de ce livre.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e★ Caractéristiques de la 2e édition de traduction révisée\u003c\/b\u003e\u003cbr\u003e \u003cbr\u003eCette traduction révisée est basée sur la quatrième édition du livre original, et toutes les coquilles découvertes depuis la première édition ont été corrigées.\u003cbr\u003e Nous avons également mis à jour l'ensemble du contenu pour qu'il soit conforme aux versions 1.x de scikit-learn.\u003cbr\u003e De plus, nous avons apporté des modifications générales afin de permettre une pratique concrète dans Google Colab.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e★ Contenu principal\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e ● Concepts de base et applications de l'apprentissage automatique\u003cbr\u003e ● Avantages et inconvénients des algorithmes d'apprentissage automatique largement utilisés\u003cbr\u003e ● Comment exprimer les données traitées par l'apprentissage automatique\u003cbr\u003e ● Méthodes avancées d'évaluation des modèles et d'optimisation des paramètres\u003cbr\u003e ● Pipeline pour le modèle de chaîne et l'encapsulation du flux de travail\u003cbr\u003e ● Technologie de traitement des données textuelles\u003cbr\u003e Conseils pour améliorer vos compétences en apprentissage automatique et en science des données\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e \"]\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e SPÉCIFICATIONS DES PRODUITS \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eDate de publication :\u003c\/strong\u003e 25 février 2022\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e \u003cstrong\u003eNombre de pages, poids, dimensions :\u003c\/strong\u003e 504 pages | 183 × 235 × 35 mm\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN13 :\u003c\/strong\u003e 9791162245279\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN10 :\u003c\/strong\u003e 1162245271 \u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cspan\u003e\u003c\/span\u003e\n\n\u003c\/center\u003e\n\n\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893352333354,"sku":"139316","price":42.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/dc02e7e2ecc999a83394dea219bf10a6.jpg?v=1765397866","url":"https:\/\/librairie.coreenne.fr\/products\/139316","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}