État

En stock Derniers articles en stock Dernier exemplaire : ajoutez-le à votre panier avant qu'il ne disparaisse. Tous les articles sont dans le panier

À propos

Big Data, Machine Learning et Apprentissage Profond

Dans cet ouvrage, les Big Data sont abordées du point de vue des applications, des méthodes d'analyse et de modélisation, des outils informatiques, et de l'optimisation de la programmation dans R et dans d'autres logiciels, dont Spark et H20.

Les principes de l'apprentissage profond sont détaillés, et tout particulièrement les réseaux de neurones convolutifs et récurrents. On rappelle ce que sont la descente du gradient et le mécanisme de rétropropagation, leurs difficultés (sur-apprentissage, évanouissement du gradient) et les solutions apportées (dropout, normalisation par lot, activation ReLU..). Les applications à la reconnaissance d'image et les architectures élaborées ces dernières années sont ensuite décrites, de même que des applications aux jeux de stratégie et dans le domaine artistique avec les modèles génératifs.

Ces méthodes sont ensuite mises en oeuvre avec trois des principales bibliothèques d'apprentissage profond : MXNet, PyTorch et Keras-TensorFlow. On montre comment créer et entraîner un réseau convolutif, et comment l'appliquer à des problèmes de classement d'images. On montre comment améliorer leur reconnaissance en recourant à l'augmentation de données et à l'apprentissage par transfert. On compare les résultats des méthodes profondes à ceux des méthodes « classiques » de machine learning : régression pénalisée, forêts aléatoires, extra-trees, gradient boosting, SVM et perception. On montre aussi la puissance de calcul des processeurs graphiques (GPU).

Le traitement du langage naturel commence ensuite par les questions linguistiques classiques : étiquetage grammatical, reconnaissance des entités nommées, résolution des coréférences et lemmatisation. Puis viennent les représentations vectorielles et les méthodes de plongements de mots. On parle aussi de la modélisation de thématiques, que l'on applique à À la recherche du temps perdu de Proust. Les réseaux de neurones récurrents LSTM et GRU sont ensuite mis en oeuvre dans deux tâches bien différentes : la génération de texte et le classement de documents. Un aperçu est donné de l'analyse de sentiments.

L'analyse des réseaux sociaux et plus particulièrement d'un corpus de tweets est vue comme convergence des méthodes de Big Data, de théorie des graphes et de traitement du langage naturel.

L'ouvrage se conclut par une perspective sur l'intelligence artificielle, à la fois comme application des méthodes vues précédemment et comme source de réflexions sur l'évolution et les défis de l'intelligence artificielle, et ce qui la sépare de l'intelligence humaine.

Classification

Jusqu'à 15 % de vos achats sont reversés à nos partenaires caritatifs. En savoir plus
Votre achat contribue à réaliser notre mission : "diffuser la passion de la culture. Avec chacun, pour tous". En offrant une seconde vie à ces produits, vous réduisez le gaspillage de papier et soutenez les actions de nos associations partenaires.
Livraison estimée en 2 jours ouvrés avec Colis Privé et Mondial Relay.

Livraison le lendemain du lundi au vendredi pour les commandes passées avant midi avec Chronopost.
Retours jusqu'à 30 jours après l'achat
Besoin d'aide ? Obtenez une réponse de notre service d'assistance dans les 24 heures pendant les jours ouvrables.
Paiement sécurisé
Acheter sur Amazon

Auteur(s)

Stéphane Tufféry
Editeur

Editions Technip
Année

2019
Date de sortie

15/04/2019
Format

Broché
Pages

596
Langue

Français
Type de produit

Livre
ISBN-10

271081188X
EAN

9782710811886
Référence

I-362-127

Notre mission est de "Diffuser la passion de la culture. Avec chacun, pour tous." Cela signifie que chaque achat que vous effectuez chez nous contribue à la réalisation de cette mission ambitieuse.

Acheter sur ammareal.fr va au-delà de l'acte d'achat lui-même. C'est un engagement en faveur de la culture, de l'éducation, de l'inclusion sociale, de la durabilité environnementale et de l'économie circulaire. Rejoignez-nous dans notre mission et faites partie de la communauté qui partage notre passion pour la culture et notre engagement envers un monde meilleur pour tous.
Un produit culturel d'occasion est un bien culturel préalablement possédé par un tiers et qui est proposé à la vente. Ces produits comprennent des livres, des CD, des DVD et d'autres supports culturels. Ils sont soigneusement vérifiés pour s'assurer de leur qualité et de leur état avant d'être mis en vente sur notre site. En choisissant des produits culturels d'occasion, vous contribuez à la réduction de la consommation de ressources et à la promotion d'une démarche écocitoyenne en prolongeant la durée de vie des biens culturels existants.
Les produits que vous trouvez sur notre site proviennent de diverses sources écocitoyennes, notamment des particuliers, des bibliothèques, des médiathèques, des associations, des entreprises et d'autres partenaires engagés dans une démarche de durabilité. Nous mettons un point d'honneur à promouvoir la réutilisation et le recyclage des biens culturels, contribuant ainsi à la préservation de l'environnement tout en offrant des produits culturels de qualité à nos clients.
Notre politique de retour est conçue pour garantir votre satisfaction en tant que client. Chez ammareal.fr, nous comprenons que parfois, un article peut ne pas répondre à vos attentes. C'est pourquoi nous vous offrons la flexibilité d'une politique de retour pouvant aller jusqu'à 30 jours.

Retrouvez plus d’informations sur notre page dédiée à la politique de retour .
Nous offrons deux modes de paiement pratiques pour faciliter vos achats :

Paiement par carte bancaire : Nous acceptons les principales cartes de crédit et de débit, ce qui vous permet de régler vos achats en toute sécurité et simplicité en utilisant votre carte préférée.

PayPal: Si vous préférez utiliser PayPal, vous pouvez sélectionner cette option lors de la finalisation de votre commande. PayPal offre une sécurité accrue pour vos transactions en ligne.