Passionné(e) de lecture ? Inscrivez-vous gratuitement ou connectez-vous pour rejoindre la communauté et bénéficier de toutes les fonctionnalités du site !  

Apprentissage artificiel ; concepts et algorithmes (2e édition)

Couverture du livre « Apprentissage artificiel ; concepts et algorithmes (2e édition) » de Antoine Cornuejols et Laurent Miclet aux éditions Eyrolles
  • Date de parution :
  • Editeur : Eyrolles
  • EAN : 9782212124712
  • Série : (-)
  • Support : Papier
Résumé:

Les programmes d'intelligence artificielle sontaujourd'hui capables de reconnaître des commandes vocales,d'analyser automatiquement des photos satellites,d'assister des experts pour prendre des décisions dans desenvironnements complexes et évolutifs (analyse de marchésfinanciers, diagnostics... Voir plus

Les programmes d'intelligence artificielle sontaujourd'hui capables de reconnaître des commandes vocales,d'analyser automatiquement des photos satellites,d'assister des experts pour prendre des décisions dans desenvironnements complexes et évolutifs (analyse de marchésfinanciers, diagnostics médicaux...), de fouillerd'immenses bases de données hétérogènes, telles lesinnombrables pages du Web...Pour réaliser ces tâches, ils sont dotés de modulesd'apprentissage leur permettant d'adapter leur comportementà des situations jamais rencontrées, ou d'extraire des loisà partir de bases de données d'exemples.Ce livre présente les concepts qui sous-tendentl'apprentissage artificiel, les algorithmes qui endécoulent et certaines de leurs applications. Son objectifest de décrire un ensemble d'algorithmes utiles en tentantd'établir un cadre théorique unique pour l'ensemble destechniques regroupées sous ce terme « d'apprentissageartificiel ».Ce livre s'adresse aux décideurs et aux ingénieurs quisouhaitent comprendre l'apprentissage automatique et enacquérir des connaissances solides, ainsi qu'aux étudiantsde niveau maîtrise, DEA ou école d'ingénieurs quisouhaitent un ouvrage de référence en intelligenceartificielle et en reconnaissance des formes. Au sommaireI. Les fondements de l'apprentissagePremière approche théorique de l'inductionEnvironnement méthodologiqueII. Apprentissage parexplorationInduction et relation d'ordreProgrammation logique inductiveInférence grammaticaleApprentissage par évolutionIII. Apprentissage paroptimisationSurfaces séparatrices linéairesRéseaux connexionistesRéseaux bayésiensModèles de Markov cachésIV. Apprentissage parapproximation et interpolationClassification non superviséeApprentissage par renforcementAnnexes et bibliographie.Cet ouvrage est publié avec le concours de l'ÉcoleNationale Supérieure des Sciences Appliquées et deTechnologie (Lannion).

Donner votre avis