Ebooks Gratuits

Deep learning en action - Une approche par la pratique

Auteure: Adam GIBSON , Josh PATTERSON

Nombre de pages: 432

Plongez au coeur du Deep Learning Ce livre a été écrit pour tous ceux qui souhaitent s'initier au Deep Learning (apprentissage profond). Il est la suite logique du titre " Le Machine learning avec Python" paru en février 2018. Le Deep Learning est une technologie nouvelle qui évolue très rapidement. Ce livre en présente les bases principales de cette technologie. Au coeur de celle-ci on trouve les réseaux de neurones profonds, permettant de modéliser tous types de données et les réseaux de convolution, capables de traiter des images. Et enfin, cette technologie de plus en plus utilisée dans les applications d'intelligence artificielle introduit le notion de Reinforcement Learning (apprentissage par renforcement) qui permet d'optimiser les prises de décision par exemple pour le fonctionnement d'un robot. Au programme : La génèse du Deep Learning Les résaux de neuronnes Les bases des réseaux de type Deep learning L'architecture réseau Créer un réseau type Adapter le réseau à des besoins propres Les architectures spécifiques La vectorisation Le Deep Learning et DL4J sur Spark Au coeur de l'intelligence artificielle RL4J et Reinforcement Learning

Deep Learning avec TensorFlow

Auteure: Aurélien Géron

Nombre de pages: 256

Cet ouvrage, conçu pour tous ceux qui souhaitent s'initier au Deep Learning (apprentissage profond) est la traduction de la deuxième partie du best-seller américain Hands-On Machine Learning with Scikit-Learn & TensorFloW. Le Deep Learning est récent et il évolue vite. Ce livre en présente les principales techniques : les réseaux de neurones profonds, capables de modéliser toutes sortes de données, les réseaux de convolution, capables de classifier des images, les segmenter et découvrir les objets ou personnes qui s'y trouvent, les réseaux récurrents, capables de gérer des séquences telles que des phrases, des séries temporelles, ou encore des vidéos, les Autoencoders qui peuvent découvrir toutes sortes de structures dans des données, de façon non supervisée, et enfin le Reinforcement Learning (apprentissage par renforcement) qui permet de découvrir automatiquement les meilleures actions pour effectuer une tâche (par exemple un robot qui apprend à marcher). Ce livre présente TensorFlow, le framework de Deep Learning créé par Google. Il est accompagné de Jupyter notebooks (disponibles sur github) qui contiennent tous les exemples de code du livre, afin...

Deep Learning avec Keras et TensorFlow

Auteure: Aurélien Géron

Nombre de pages: 360

Cet ouvrage, conçu pour tous ceux qui souhaitent s'initier au deep learning (apprentissage profond), est la traduction de la deuxième partie du best-seller américain Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow (2e édition). Le deep learning est récent et il évolue vite. Ce livre en présente les principales techniques : les réseaux de neurones profonds, capables de modéliser toutes sortes de données, les réseaux de convolution, capables de classifier des images, les segmenter et découvrir les objets ou personnes qui s'y trouvent, les réseaux récurrents, capables de gérer des séquences telles que des phrases, des séries temporelles, ou encore des vidéos, les autoencodeurs qui peuvent découvrir toutes sortes de structures dans des données, de façon non supervisée, et enfin le reinforcement learning (apprentissage par renforcement) qui permet de découvrir automatiquement les meilleures actions pour effectuer une tâche (par exemple un robot qui apprend à marcher). Ce livre présente TensorFlow, le framework de deep learning créé par Google. Il est accompagné de notebooks Jupyter qui contiennent tous les exemples de code du livre, afin que ...

Deep learning avec JavaScript

Auteure: François Chollet , Shanqing Cai , Stanley Bileschi , Eric D. Nielsen

Nombre de pages: 546

Introduction au Deep Learning

Auteure: Eugene Charniak

Nombre de pages: 204

Le deep learning est une forme avancée et plus complexe du machine learning qui fait appel à des réseaux neuronaux à plusieurs couches. Ce manuel d’apprentissage synthétique, avec cours et exercices, s'appuie sur des exemples d’écriture de programmes d’intelligence artificielle dans des domaines comme la vision par ordinateur, la compréhension des langages naturels ou l’apprentissage par renforcement. Cet apprentissage du deep learning se fait en écrivant des programmes avec TensorFlow, framework open source de machine learning. L’auteur est un chercheur en IA de longue date et un enseignant. Dans ce livre il incite ses étudiants et ses lecteurs à appliquer sa méthode qui est "d' apprendre en programmant ». Chaque chapitre propose un projet, des exercices et des lectures complémentaires. Ce cours d’initiation comporte une quarantaine d’exercices dont la moitié sont corrigés.

L'apprentissage profond

Auteure: Yoshua Bengio , Aaron Courville , Ian Goodfellow

Nombre de pages: 770

Le livre de chevet de Elon Musk. Écrit par trois experts dans le domaine, Deep Learning est le seul livre complet sur le sujet. Il fournit une perspective générale et des préliminaires mathématiques indispensables aux ingénieurs en logiciel et aux étudiants qui entrent sur le terrain, et sert de référence aux autorités. Elon Musk, cofondateur et PDG de Tesla et SpaceXstudents L'apprentissage profond (ou deep learning) est un apprentissage automatique qui permet à l'ordinateur d'apprendre par l'expérience et de comprendre le monde en termes de hiérarchie de concepts. Parce que l'ordinateur recueille des connaissances à partir de l'expérience, il n'est pas nécessaire qu'un opérateur humain spécifie formellement toutes les connaissances dont l'ordinateur a besoin. Cet ouvrage présente un large éventail de sujets d'apprentissage profond. Le texte offre un contexte mathématique et conceptuel, théorie des probabilités et théorie de l'information, calcul numérique et apprentissage automatique. Il examine des applications telles que le traitement du langage naturel, la reconnaissance vocale, la vision par ordinateur, les systèmes de recommandation en ligne, la...

Comprendre le deep learning

Auteure: Jean-Claude Heudin

Nombre de pages: 180

Après des résultats spectaculaires, dont la victoire d'AlphaGo sur le meilleur joueur mondial de Go, le Deep Learning suscite autant d'intérèts que d'interrogations. Inspiré au départ par une métaphore biologique, celle du cerveau, le domaine des réseaux de neurones est devenu l'un des principaux axes de recherche de l'intelligence artificielle. Quel que soit le secteur d'activité, pas un seul en effet ne semble échapper aux applications du Deep Learning. Quels sont les principes des réseaux de neurones ? Comment fonctionnent-ils ? Quand et pourquoi les utiliser ? Sont-ils simples à mettre en oeuvre ? Qu'est-ce qu'on entend réellement par Deep Learning ? Jean-Claude Heudin propose avec ce livre de répondre à ces questions. Dans un style direct et richement illustré, les explications sont abordables par le plus grand nombre, avec une mise en pratique au travers d'exemples. Pour comprendre le Deep Learning, nul besoin ici d'un fort niveau en mathématiques. Les principes de calcul sont réduits à des opérations simples et les exemples de programmation sont accessibles. Ce livre s'adresse à tous ceux qui souhaitent comprendre concrètement les enjeux du Deep...

Machine learning avec Python ANNULE

Auteure: Andreas C.MUELLER , Sarah GUIDO

Nombre de pages: 282

Entrez de plain-pied dans le monde fascinant la data science Vous aussi participez à la révolution qui ramène l'intelligence artificielle au coeur de notre société, grace aux data scientists. La data science consiste à traduire des problèmes de toute autre nature, en problèmes de modélisation quantitative, résolus par des algorithmes de traitement. Ce livre se présente comme une référence pour tous les développeurs, statisticiens ou chefs de projets ayant à résoudre des problèmes liés à la data science. Au programme : Pourquoi utiliser le machine learning Les différentes versions de Python L'apprentissage non supervisé et le préprocessing Représenter les données Processus de validation Algorithmes, chaînes et pipeline Travailler avec des données de type texte Du prototype à la production

Apprentissage artificiel

Auteure: Antoine Cornuéjols , Laurent Miclet , Vincent Barra

Nombre de pages: 899

Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web... Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples. Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique pour l'ensemble des techniques regroupées sous ce terme "d'apprentissage artificiel". La troisième édition de ce livre a été complètement réorganisée pour s'adapter aux évolutions très significatives de l'apprentissage artificiel ces dernières années. Une large place y est accordée aux techniques...

TensorFlow pour le deep learning

Auteure: Bharath Ramsundar , Reza Bosagh Zadeh

Nombre de pages: 245

L'apprentissage profond avec Python

Auteure: François Chollet

Nombre de pages: 487

L'apprentissage automatique a fait des progrès remarquables au cours des dernières années. Nous sommes passés d'une reconnaissance quasi inutilisable de la parole et des images à une précision quasi humaine, de machines qui ne pouvaient pas battre un joueur de Go un peu expérimenté à la défaite d'un champion du monde. Derrière ces progrès se cache l'apprentissage profond -- une combinaison d'avancées théoriques et pratiques qui permet une multitude d'applications intelligentes jusque-là impossibles à réaliser.

Informatique - Découverte du Machine Learning - Les outils de l'apprentissage automatique

Auteure: Gérard Fleury , Matthieu Gondran , Philippe Lacomme , Chafik Samir

Nombre de pages: 306

Cet ouvrage propose une découverte pragmatique du Machine Learning à travers des exemples implémentés. Il constitue une introduction à différentes méthodes permettant aux étudiants de DUT, de licence, des écoles d'ingénieurs et aux chercheurs de découvrir plusieurs aspects du domaine. Le domaine du Machine Learning couvre un large spectre d'outils et de méthodes. Cet ouvrage fait un focus particulier sur les réseaux de neurones, les réseaux Bayésiens, les méthodes de classification, le pattern mining et les séries temporelles. La découverte s'effectue en utilisant des bibliothèques dédiées au Machine Learning, notamment TensorFlow, Keras, pyAgrum et Weka. Les exemples du livre sont essentiellement des problèmes qui ont été tirés des domaines d'expertise des auteurs. Les codes informatiques sont proposés en Python, en C et en Java, car les domaines où le Machine Learning est utile sont très nombreux et il est important d'avoir une vue globale de ce qu'il est possible de faire avec les outils récents.

Le Machine Learning Pour les Nuls

Auteure: Luca MASSARON , John Paul MUELLER

Nombre de pages: 408

Plongez au coeur de l'intelligence arficielle et de la data science Vous aussi participez à la révolution qui ramène l'intelligence artificielle au coeur de notre société, grace à la data scince et au machine learning. La data science consiste à traduire des problèmes de toute autre nature, en problèmes de modélisation quantitative, résolus par des algorithmes de traitement. Ce livre va vous faire découvrir tous les ingrédients qui font du machine learning l'outil indispensable du développement d'applications liées à l'intelligence artificielle. Au programme de ce livre : Découvrez toutes les applications du quotidien qui utilisent le machine learning Apprenez les langages du machine learning : Python et R, afin de vous adresser aux machines qui effectueront des traitements sur les données Apprenez à coder en R avec R studio Apprenez à coder en Python en utilisant Anaconda

Introduction au Machine Learning

Auteure: Chloé-Agathe Azencott

Nombre de pages: 240

Le machine learning (apprentissage automatique) est au coeur des data sciences et s'applique à une multitude de domaines tels que la reconnaissance des visages par ordinateur, la traduction automatique d'une langue à l'autre, la conduite automobile automatique, la publicité ciblée, l'analyse des réseaux sociaux, le trading financier, ... Ce livre propose une introduction aux concepts et aux algorithmes qui fondent le machine learning. Son objectif est de fournir au lecteur les outils pour : - identifier les problèmes qui peuvent être résolus par du machine learning, - formaliser ces problèmes en termes de machine learning, - identifier les algorithmes appropriés et les mettre en oeuvre, - savoir évaluer et comparer les performances de plusieurs algorithmes. Chaque chapitre est complété par des exercices corrigés.

Machine Learning avec Scikit-Learn

Auteure: Aurélien Géron

Nombre de pages: 256

L’apprentissage automatique (Machine Learning) est aujourd’hui en pleine explosion. Mais de quoi s’agit-il exactement, et comment pouvez-vous le mettre en oeuvre dans vos propres projets ? L’objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du Machine Learning et de vous apprendre à maîtriser les outils qui vous permettront de créer vous-même des systèmes capables d’apprentissage automatique. Vous apprendrez ainsi à utiliser Scikit-Learn, un outil open source très simple et néanmoins très puissant que vous pourrez mettre en oeuvre dans vos systèmes en production. • Apprendre les bases du Machine Learning en suivant pas à pas toutes les étapes d’un projet utilisant Scikit-Learn et pandas. • Ouvrir les boîtes noires pour comprendre comment fonctionnent les algorithmes. • Explorer plusieurs modèles d’entraînement, notamment les machines à vecteur de support (SVM). • Comprendre le modèle des arbres de décision et celui des forêts aléatoires, et exploiter la puissance des méthodes ensemblistes. • Exploiter des techniques d’apprentissage non supervisées telles que la réduction de dimensionnalité, la classification...

Développer des applications machine learning

Auteure: Emmanuel AMEISEN

Nombre de pages: 233

Le livre ultime pour rendre toutes les applications machine learning encore plus efficaces Ce livre s'adresse à tous les développeurs d'applications de type machine learning qui souhaitent optimiser les performances de leurs applications avant de les mettre en production. Au programme : Déterminez le but à atteindre pour votre application et mettez en oeuvre votre solution machine learning. Mettez en oeuvre votre premier pipeline machine learning pour optimiser la gestion des flux de données Evaluez votre modèle machine learning afin d'analyser ses performances Déployez et gérez des modèles dans un environnement de production

Machine Learning et sécurité - Protéger les systèmes avec des données et des algorithmes

Auteure: Clarence CHIO , David FREEMAN

Nombre de pages: 373

L'apprentissage automatique, un champ d'étude essentiel aux développements de l'Intelligence artificielle - MACHINE LEARNING N°2 DES VENTES FIRST AU 1ER NIV Le sujet le plus chaud du moment L'Intelligence Artificielle (IA), les Big Data et le Machine Learning ont le vent en poupe ces derniers mois. Cette technologie a fait une entrée fracassante dans l'industrie, là ou la cybersécurité a une importance capitale.. Des entreprises de plus en plus nobreuses mettent en oeuvre aujourd'hui l'IA et le Machine Learning au sein de leur sécurité informatique. Ce livre vous propose de découvrir comment mettre en oeuvre le Machine Learning, un champ d'études de l'Intelligence Artificielle, dans le domaine de la cybersécurité.

TensorFlow pour le Deep learning - De la régréssion linéaire à l'apprentissage par renforcement

Auteure: Reza BOSAGH ZADEH , Bharath RAMSUNDAR

Nombre de pages: 191

Apprenez à résoudre des problèmes d'apprentissage automatique (même difficiles !) avec TensorFIow, la nouvelle bibliothèque logicielle révolutionnaire de Google pour le deep learning. Si vous avez une formation de base en algèbre linéaire et en calcul, ce livre pratique vous introduit dans les arcanes des principes fondamentaux de l'apprentissage automatique en vous montrant comment concevoir des systèmes capables de détecter des objets dans des images, de comprendre du texte et de prédire les propriétés de médicaments potentiels. TensorFlow pour le Deep Learning vous fait découvrir les concepts à l'aide d'exemples pratiques, et vous aide à acquérir des connaissances solides sur le deep learning en partant de cas concrets. Il est idéal pour les développeurs qui ont de l'expérience dans la conception de systèmes logiciels, et sera également utile aux scientifiques et aux autres professionnels qui sont familiers avec la création de scripts, mais pas nécessairement avec la conception d'algorithmes d'apprentissage. • Apprenez les concepts fondamentaux de TensorFlow, y compris comment effectuer un calcul de base • Construisez des systèmes d'apprentissage...

Machine learning et deep learning

Auteure: Patrick Wampé

Nombre de pages: 283

Introduction au Machine Learning

Auteure: Chloé-Agathe Azencott

Nombre de pages: 228

Machine learning - 2e édition

Auteure: Amini Massih-Reza

Nombre de pages: 328

Machine Learning et intelligence artificielle Le Machine Learning est l’un des domaines de l’intelligence artificielle qui a pour but de concevoir des programmes qui ne sont pas explicitement codés pour s’acquitter d’une tâche particulière. Les concepts de ce domaine sont fondés sur la logique inférentielle et tentent de dégager des règles générales à partir d’un nombre fini d’observations. Un ouvrage de référence Cet ouvrage présente les fondements scientifiques de la théorie de l’apprentissage supervisé, les algorithmes les plus répandus développés suivant ce domaine ainsi que les deux cadres de l’apprentissage semi-supervisé et de l’ordonnancement, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. La première édition, connue sous le nom Apprentissage machine, fut traduite en chinois par les éditions iTuring. Dans cette deuxième édition, un nouveau chapitre est dédié au Deep Learning, sur les réseaux de neurones artificiels, et nous avons réorganisé les autres chapitres pour un exposé cohérent reliant la théorie aux algorithmes développés dans cette sphère. Vous trouverez également dans cette...

DÉTECTIVE AI

Auteure: Yabusaka Hayasaka

Nombre de pages: 240

Pour la première fois en dehors du Japon, découvrez une nouvelle génération de détective. Le père de Tasuku, un chercheur dans le domaine de l'intelligence artificielle, fut la victime d'une mort mystérieuse, laissant derrière lui deux IA jumelles : une détective et une criminelle. Avec l'aide de la détective, Ai, Tasuku décide de chercher le tueur de son père. Cependant, durant sa quête il va découvrir que la criminelle, Ia, a été volée par une organisation terroriste, Octa-Core, qui l'utilise afin de commettre des crimes. La bataille de déductions entre intelligences artificielles commence ! - L'auteur Yabusaka Hayasaka a remporté le Prix Littéraire Mephisto en 2014.

L'intelligence artificielle expliquée à mon Boss

Auteure: Pierre Blanc

Nombre de pages: 298

Vous voulez tout savoir sur l’intelligence artificielle en des termes simples et accessibles ? Vous recherchez un livre avec des analyses parfois décalées, un brin d’humour, des références historiques, une bibliographie fournie et le tout sans a priori ? Alors, ce livre est pour vous... et pour votre boss ! Vous débusquerez 16 mythes, plongerez dans 8 métiers et découvrirez 12 conseils pour bien démarrer votre histoire avec l’intelligence artificielle. La préface d’Yves Caseau (Directeur informatique de Michelin), les postfaces d’Antoine Petit (Président du CNRS) et de Geoffroy Roux de Bézieux (Président du MEDEF), et 52 autres témoignages inédits de personnalités de haut niveau viennent enrichir ce tableau déjà très complet. Une chose est sûre : une fois ce livre refermé, vous ne parlerez plus d’intelligence artificielle avec votre boss mais... d’IA, et ça, ça change tout ! Pierre Blanc accompagne depuis plus de vingt-cinq ans des directions générales d’entreprises spécialisées dans les services financiers. Speaker TEDx, il est régulièrement invité pour faire partager sa vision des enjeux liés aux nouvelles technologies. Il est...

Python pour le data scientist - 2e éd.

Auteure: Emmanuel Jakobowicz

Nombre de pages: 320

Python est devenu en quelques années un langage majeur dans l'univers des applications centrées sur le traitement des données, et plus particulièrement des gros volumes de données (big data). Cet ouvrage servira de guide à tous ceux qui s'intéressent à l'utilisation de Python pour le travail sur les données et l'automatisation de certaines tâches (data science). Il met l'accent sur la préparation et la mise en forme des données qui sont essentielles dans la qualité du résultat et qui constituent aujourd'hui une part importante du travail du data scientist. L'ensemble des exemples et des exercices présentés dans cet ouvrage sont disponibles sous forme de Notebooks Jupyter. Ils sont accessibles directement sur GitHub dans le répertoire dédié à l'ouvrage ou en téléchargement sur le site Dunod. Cette 2e édition comportent de très nombreuses mises à jour sur les évolutions récentes du langage Python, sur les "packages" utilisés en data science, et sur d'autres logiciels associés comme TensorFlow et Keras.

Deep Learning

Auteure: Sebastian Dark

Nombre de pages: 126

Curieux de découvrir la technologie révolutionnaire qui façonne notre avenir et change le monde? L'apprentissage approfondi fait partie du domaine de l'informatique et d'un sous-ensemble de l'apprentissage machine qui implique que les systèmes informatiques peuvent "apprendre" sans surveillance avec des données non étiquetées ou non structurées. En 2017, AlphaGo, qui est l'IA développée par Google DeepMind et qui a commencé par ne connaître que les règles du jeu, a finalement pu faire ses preuves et devancer Ke Jie, le numéro 1 mondial à l'époque. Bien que cela ne semble pas impressionnant à première vue, il est important de comprendre que Go est un jeu très complexe que de nombreux programmeurs n'étaient pas en mesure d'éclipser avec l'IA dans le passé. Bien que Go soit un exemple intéressant, les possibilités d'utilisation de l'apprentissage machine sont illimitées. Du commerce de détail à la médecine en passant par la finance, l'apprentissage machine a la capacité de changer chaque industrie avec laquelle il entre en contact. En effet, cette révolution a déjà commencé et ne fera que s'amplifier. Selon statista.com, l'industrie de l'intelligence...

Data Science : fondamentaux et études de cas

Auteure: Michel Lutz , Eric Biernat

Nombre de pages: 296

Nous vivons une époque très excitante, qui ramène l'analyse de données et les méthodes quantitatives au coeur de la société. L'aboutissement de nombreux projets de recherche, la puissance de calcul informatique disponible et des données à profusion permettent aujourd'hui d'incroyables réalisations, grâce au travail des data scientists. Un livre de référence pour les data scientists La data science est l'art de traduire des problèmes industriels, sociaux, scientifiques, ou de toute autre nature, en problèmes de modélisation quantitative, pouvant être résolus par des algorithmes de traitement de données. Cela passe par une réflexion structurée, devant faire en sorte que se rencontrent problèmes humains, outils techniques/informatiques et méthodes statistiques/algorithmiques. Chaque projet de data science est une petite aventure, qui nécessite de partir d'un problème opérationnel souvent flou, à une réponse formelle et précise, qui aura des conséquences réelles sur le quotidien d'un nombre plus ou moins important de personnes. Éric Biernat et Michel Lutz proposent de vous guider dans cette aventure. Ils vous feront visiter les vastes espaces de la data ...

Apprentissage artificiel

Auteure: Antoine Cornuéjols , Laurent Miclet , Vincent Barra

Nombre de pages: 990

La Formule du Savoir

Auteure: Lê Nguyên Hoang

Nombre de pages: 402

Ce livre explore et vulgarise une philosophie du savoir appelée bayésianisme. En s’appuyant sur les travaux de nombreux philosophes, mathématiciens, statisticiens, informaticiens, neuroscientifiques et chercheurs en intelligence artificielle, le livre défend la thèse selon laquelle le bayésianisme est la bonne philosophie du savoir — par opposition notamment aux descriptions usuelles de la méthode scientifique. En effet, notamment une fois combinée à l’algorithmique, cette épistémologie normative peut se vanter d’être universelle et complète. De plus, elle est consolidée par un très grand nombre de théorèmes mathématiques et de succès empiriques. S’il contient des passages techniques, la grande majorité de l’ouvrage se veut accessible à un large public. En particulier, aucune connaissance préalable n’est requise.

Big Data et Machine Learning - 3e éd.

Auteure: Pirmin Lemberger , Marc Batty , Médéric Morel , Jean-Luc Raffaëlli

Nombre de pages: 272

Cet ouvrage s’adresse à tous ceux qui cherchent à tirer parti de l’énorme potentiel des « technologies Big Data », qu’ils soient data scientists, DSI, chefs de projets ou spécialistes métier. Le Big Data s’est imposé comme une innovation majeure pour toutes les entreprises qui cherchent à construire un avantage concurrentiel grâce à l’exploitation de leurs données clients, fournisseurs, produits, processus, machines, etc. Mais quelle solution technique choisir ? Quelles compétences métier développer au sein de la DSI ? Ce livre est un guide pour comprendre les enjeux d’un projet Big Data, en appréhender les concepts sous-jacents (en particulier le Machine Learning) et acquérir les compétences nécessaires à la mise en place d’un data lab. Il combine la présentation : • de notions théoriques (traitement statistique des données, calcul distribué...) ; • des outils les plus répandus (écosystème Hadoop, Storm...) ; • d’exemples d’applications ; • d’une organisation typique d’un projet de data science. Les ajouts de cette troisième édition concernent principalement la vision d’architecture d’entreprise, nécessaire pour...

Machine Learning Et Sécurité

Auteure: Clarence Chio , David Freeman

Nombre de pages: 384

L'apprentissage automatique, un champ d'étude essentiel aux développements de l'Intelligence artificielle - MACHINE LEARNING N°2 DES VENTES FIRST AU 1ER NIV Le sujet le plus chaud du moment L'Intelligence Artificielle (IA), les Big Data et le Machine Learning ont le vent en poupe ces derniers mois. Cette technologie a fait une entrée fracassante dans l'industrie, là ou la cybersécurité a une importance capitale.. Des entreprises de plus en plus nobreuses mettent en oeuvre aujourd'hui l'IA et le Machine Learning au sein de leur sécurité informatique. Ce livre vous propose de découvrir comment mettre en oeuvre le Machine Learning, un champ d'études de l'Intelligence Artificielle, dans le domaine de la cybersécurité.

Machine Learning et Deep Learning

Auteure: Patrick Wampe

Nombre de pages: 283

Découvrir le deep learning avec TensorFlow

Le deep learning est le moteur de calcul d'IA qui permet de faire rouler des véhicules autonomes, de traduire des textes ou encore de générer des images artistiques. Dans ce cours, vous aborderez les éléments indispensables pour appliquer le deep learning à des données. Vous utiliserez la librairie TensorFlow au travers de multiples exemples et d'exercices pratiques. Puis, vous verrez comment écrire un algorithme pour reconnaître des images et prédire un prix de vente. Franck Bardol, data scientist et professeur en école d'ingénieurs, vous donne toutes les cartes pour maîtriser vos données et réussir dans l'apprentissage approfondi.

Ce sera l'IA ou/et moi

Auteure: Cécile Dejoux

Nombre de pages: 208

Vous voulez comprendre l'impact de l'intelligence artificielle (IA) sur vos compétences, votre métier, votre management ? Le livre Ce sera l'IA ou/et moi de Cécile Dejoux est votre meilleur allié ! Vous êtes salarié, free-lance, entrepreneur, manager, etc., vous pensez que vous pouvez être acteur des changements liés à l'intelligence artificielle, vous ne voulez plus les subir, vous pensez que même les choses compliquées peuvent s'expliquer simplement, ce livre est fait pour vous ! Véritable guide, Ce sera l'IA ou/et moi vous aidera à : comprendre ce qu'est l'IA ; prendre part à des projets IA ; transformer votre façon de travailler ; créer de la valeur ajoutée avec de l'IA, quel que soit votre métier ; trouver de nouveaux équilibres avec l'IA. Peut-on tout demander à l'intelligence artificielle ? Pourquoi a-t-on besoin de votre expertise métier pour en faire ? Pourquoi devez-vous continuer de renforcer vos compétences humaines (mémoire, attention, intention...) ? Conçu pour répondre à toutes vos questions, truffé d'exemples inspirants et de conseils, ce livre vous aidera à faire le point et à progresser à votre rythme dans votre connaissance de...

News and press vocabulary. Vocabulaire journalistique anglais [B2-C1]

Auteure: Émilie Gaillard

Nombre de pages: 264

Recensant les tournures lexicales et structures grammaticales les plus fréquentes de la presse écrite anglo-saxonne, cet ouvrage est à la fois un outil de travail et de référence pour les élèves en CPGE et les étudiants de licence ou Master. Construit sous la forme d'un lexique thématique 100% anglais, il fournit des clés de compréhension lexicale et grammaticale en contexte et permet d’améliorer son style d’écriture grâce à de nombreux exercices tous corrigés. Le plus : Du vocabulaire et des expressions issus de la presse contemporaine, systématiquement proposés en contexte.

Des machines, des plateformes et des foules

Auteure: Andrew McAfee , Erik Brynjolfsson

Nombre de pages: 384

Faut-il avoir peur des robots ? Les plateformes que sont Facebook, Google et autres vont-elles régner sans partage sur l’économie ? Que deviennent les compétences et les métiers à l’ère du tout-numérique ?Écrit par deux des meilleurs spécialistes de la transformation numérique, ce livre met à la portée de tous les évolutions que l’on constate aujourd’hui, notamment en matière d’intelligence artificielle — algorithmes de plus en plus puissants, apprentissage profond (deep learning), etc. Plutôt que de céder à la crainte et aux fantasmes que font naître ces bouleversements, Erik Brynjolfsson et Andrew McAfee nous invitent à imaginer de nouvelles collaborations entre la machine et le cerveau humain, les plateformes et les produits, l’intelligence collective et les savoir-faire au sein des entreprises. Nourri d’exemples passionnants de machines intelligentes et créatives, d’entreprises pionnières, de collaborations possibles entre la machine et l’homme, ce livre est une mine pour tous ceux qui veulent maîtriser les principes fondamentaux de ce nouveau monde. Andrew McAfee dirige la recherche scientifique du Center for Digital Business du MIT....

Data power

Auteure: Cyril de Sousa Cardoso , Emmanuelle Galou , Aurore Kervella , Patrick Kwok

Nombre de pages: 294

La 4e de couverture indique : "La data est un enjeu de pouvoir : l'organisation qui la maîtrise et la développe accède à une source de création de valeur majeure, en même temps qu'à une aide précieuse à la prise de décision. Mais comment mettre en place une stratégie dans des entreprises, organisations publiques ou associations qui, souvent, n'ont que peu de culture data ? À la fois introduction et guide de mise en oeuvre, cet ouvrage permet de faire les premiers pas : Comprendre ce qu'est la data et les différents modes de traitement de la donnée. Anticiper l'impact de la data pour vous : marketing, industrie, médias, finance, médecine, territoire, politique, etc. Utiliser la data dans votre business : explorer, apprendre, modéliser. prédire. Décoder les enjeux et les perspectives de la data : IA, loT, questions écologiques, enjeux de propriété intellectuelle, etc. Rédigé par quatre auteurs experts, Data power donne une vision large et concrète des enjeux et des applications de la donnée aujourd'hui."

Comprendre l'intelligence Artificielle : Introduction Au Deep Learning et Aux Réseaux de Neurones

Auteure: Thomas Cambrai

Nombre de pages: 189

Après des résultats spectaculaires, dont la victoire d'AlphaGo sur le meilleur joueur mondial de Go, le Deep Learning suscite autant d'intérêts que d'interrogations. Inspiré au départ par une métaphore biologique, celle du cerveau, le domaine des réseaux de neurones est devenu l'un des principaux axes de recherche de l'intelligence artificielle. Quel que soit le secteur d'activité, pas un seul en effet ne semble échapper aux applications du Deep Learning. Quels sont les principes des réseaux de neurones ? Comment fonctionnent-ils ? Quand et pourquoi les utiliser ? Qu'est-ce qu'on entend réellement par Deep Learning ? Thomas Cambrai propose avec ce livre de répondre à ces questions. Dans un style direct, les explications sont abordables par le plus grand nombre, avec une mise en pratique au travers d'exemples. Pour comprendre le Deep Learning, nul besoin ici d'un fort niveau en mathématiques. Les principes de calcul sont réduits à des opérations simples et les exemples de programmation sont accessibles. Ce livre s'adresse à tous ceux qui souhaitent comprendre concrètement les enjeux du Deep Learning.

Business Intelligence & Big Data

Auteure: Hassan Badir , Fadila Bentayeb , Omar Boussaid

Nombre de pages: 356

L'entreposage de données et l'analyse en ligne (On-Line Analytical Processing-OLAP) se sont imposés comme des outils fondamentaux de l'informatique décisionnelle (Business Intelligence BI). Avec l'avènement des mégadonnées (big data) caractérisées par leur très grand volume, leur vélocité et leur variété, et des technologies et infrastructures émergentes (NoSQL, Cloud, Hadoop...), ces outils d'analyse et d'aide à la décision sont confrontés à de nouveaux défis scientifiques. La conférence francophone sur les entrepôts de données et l'analyse en ligne EDA, dans sa quatorzième édition, vise à créer un espace de rencontres et d'échanges entre chercheurs, industriels et utilisateurs intéressés par les avancées dans le domaine de la BI et des big data. Le présent recueil constitue les actes de la conférence EDA 2018, qui s'est déroulée à Tanger les 4, 5 et 6 octobre 2018, avec un programme comprenant vingt-cinq présentations scientifiques avec deux conférences invitées.