8,99 €
8,99 €
inkl. MwSt.
Sofort per Download lieferbar
payback
0 °P sammeln
8,99 €
8,99 €
inkl. MwSt.
Sofort per Download lieferbar

Alle Infos zum eBook verschenken
payback
0 °P sammeln
Als Download kaufen
8,99 €
inkl. MwSt.
Sofort per Download lieferbar
payback
0 °P sammeln
Jetzt verschenken
8,99 €
inkl. MwSt.
Sofort per Download lieferbar

Alle Infos zum eBook verschenken
payback
0 °P sammeln
  • Format: ePub

L'apprentissage automatique est un domaine interdisciplinaire qui utilise des méthodes, des algorithmes, des processus et des systèmes pour extraire des connaissances et des conclusions à partir de données structurées et non structurées. Il combine des éléments de statistiques, d'informatique, de mathématiques et de techniques analytiques pour résoudre des problèmes, établir des prédictions et générer de la valeur à partir des données. Il s'appuie sur le big data pour découvrir des modèles, des tendances et des relations utiles à la prise de décision dans divers secteurs. Il constitue un…mehr

  • Geräte: eReader
  • mit Kopierschutz
  • eBook Hilfe
  • Größe: 11.31MB
  • FamilySharing(5)
Produktbeschreibung
L'apprentissage automatique est un domaine interdisciplinaire qui utilise des méthodes, des algorithmes, des processus et des systèmes pour extraire des connaissances et des conclusions à partir de données structurées et non structurées. Il combine des éléments de statistiques, d'informatique, de mathématiques et de techniques analytiques pour résoudre des problèmes, établir des prédictions et générer de la valeur à partir des données. Il s'appuie sur le big data pour découvrir des modèles, des tendances et des relations utiles à la prise de décision dans divers secteurs. Il constitue un support important pour l'intelligence artificielle. L'apprentissage automatique utilise deux types de techniques : l'apprentissage supervisé, qui entraîne un modèle avec des données d'entrée et de sortie connues pour prédire les résultats futurs, et l'apprentissage non supervisé, qui identifie des modèles cachés ou des structures intrinsèques dans les données d'entrée. La plupart de ces techniques d'apprentissage non supervisé sont développées tout au long de cet ouvrage d'un point de vue méthodologique et pratique, avec des applications via le logiciel Python. Les techniques suivantes sont abordées : réduction de dimension, analyse en composantes principales, analyse factorielle, analyse des correspondances simples, analyse des correspondances multiples, mise à l'échelle multidimensionnelle, réseaux neuronaux (SOM Kohonen, etc.), reconnaissance de formes, détection d'anomalies, autoencodeurs, traitement d'images et réseaux neuronaux convolutifs (CNN).


Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Autorenporträt
PhD. Mathematician, Economist and Government Statistician. Professor at the Complutense University of Madrid in the Department of Statistics and Data Science. Author of more than 100 books and articles on Mathematics, Statistics, Economics, and Computer Science.