Chapitre 1 : Comprendre l'apprentissage automatique et les réseaux neuronaux

01 Qu'est-ce que l'apprentissage automatique ?
02 Processus d'apprentissage cartographique
03 Modèle de réseau neuronal
04 Apprentissage et évaluation

Chapitre 2 : Résolution de problèmes basée sur l’apprentissage automatique : Utilisation d’Orange et de Google Colab

01 Présentation d'Orange
02 Installation du programme Orange
Écran du programme orange 03
04 Utilisation de Google Colab
5 bibliothèques Python majeures pour l'analyse de données
06 Processus de résolution de problèmes basé sur l'apprentissage automatique

Chapitre 3 : Sur quels services les propriétaires d'hôtels devraient-ils se concentrer pour accroître la satisfaction de leurs clients ?

01 Définition du problème
02 Comment collectons-nous les données ?
03 Comment créer un modèle de classification de la satisfaction hôtelière ?
04 Mise en œuvre d'un modèle d'arbre de décision avec Orange
05 Implémentation d'un modèle d'arbre de décision en Python

Chapitre 4 Comment classer les espèces de manchots ?

01 Définition du problème
02 Comment collectons-nous les données ?
03 Comment créer un modèle de classification des espèces de manchots ?
04 Prédiction des espèces de manchots à partir d'oranges
05 Prédiction des espèces de manchots à l'aide de l'algorithme des plus proches voisins en Python

Chapitre 5 : Peut-on prédire le prix du jajangmyeon en 2040 ?

01 Définition du problème
02 Comment collectons-nous les données ?
03 Quel traitement de données est nécessaire ?
04 Comment créer un modèle de prédiction du prix du jajangmyeon ?
05 Mise en œuvre d'un modèle de régression linéaire avec Orange
06 Implémentation d'un modèle de régression linéaire avec Python

Chapitre 6 : La connaissance de son état de santé peut-elle prédire le diabète ?

01 Définition du problème
02 Comment collectons-nous les données ?
03 Comment créer un modèle de classification du diabète ?
04 Prédire le diabète grâce aux oranges
05 Prédire le diabète à l'aide de Python

Chapitre 7 : Peut-on regrouper les données sismiques du monde entier ?

01 Définition du problème
02 Comment les données sont-elles collectées ?
03 Comment créer un modèle de regroupement des séismes ?
04 Regroupement des données sismiques à l'aide d'Orange
05 Regroupement de données sismiques à l'aide de Python

Chapitre 8 : Comment réduire la taille des images grâce à l'intelligence artificielle ?

01 Définition du problème
02 Comment les données sont-elles collectées ?
03 Comment créer un modèle de clustering pour les photos ?
04 Regroupement de données photographiques à l'aide d'oranges
05 Clustering de données photographiques avec Python

Chapitre 9 : Quel est le lien avec les courses alimentaires ?

01 Définition du problème
02 Comment les données sont-elles collectées ?
03 Comment réaliser une analyse de corrélation des achats d'épicerie ?
04 Analyse des relations d'achat en épicerie à l'aide d'oranges
05 Analyse des relations entre supermarchés à l'aide de Python

Chapitre 10 : Le sonar peut-il détecter les mines et les rochers ?

01 Définition du problème
02 Comment les données sont-elles collectées ?
03 Comment créer un modèle pour classer les mines et les roches ?
04 Prédiction des mines et des roches à l'aide d'oranges
05 Prédiction des mines et des roches à l'aide de Python

Chapitre 11 : Comment l'intelligence artificielle peut-elle aider les producteurs de pommes ?

01 Définition du problème
02 Comment les données sont-elles collectées ?
03 Comment créer un modèle de classification des pommes pourries ?
04 Trier les pommes pourries à l'aide d'oranges
05 Prédiction de la classification des pommes pourries à l'aide de Python

Ce livre décrit le processus de résolution de problèmes à l'aide de modèles d'apprentissage automatique et d'apprentissage profond, en utilisant la plateforme d'exploration de données Orange et la programmation Python (sklearn, keras).

Dans ce livre, vous apprendrez comment l'apprentissage automatique peut résoudre des problèmes concrets et prédire les changements futurs.
De plus, en travaillant sur neuf projets variés, vous aurez le plaisir de comprendre des théories complexes et de les appliquer directement à des problèmes concrets.

Le processus de résolution de problèmes utilisant l'intelligence artificielle (apprentissage automatique) pour prédire l'avenir

Il peut être résolu dans l'ordre suivant : [Définir le problème] - [Collecter les données] - [Analyse exploratoire des données et prétraitement] - [Créer un modèle] - [Évaluer et prédire le modèle] - [Utiliser le modèle].

Autrement dit, il est structuré de manière à vous permettre de vous exercer à collecter et analyser des données, à créer des modèles, à évaluer et à prédire les performances, puis à utiliser ces modèles en appliquant les étapes de développement du projet.