{"id":92030,"date":"2024-05-18T12:08:11","date_gmt":"2024-05-18T10:08:11","guid":{"rendered":"https:\/\/dev.promoculture.lu\/web\/produit\/non%20class\u00e9\/machine-learning\/"},"modified":"2026-03-24T17:24:01","modified_gmt":"2026-03-24T16:24:01","slug":"machine-learning","status":"publish","type":"product","link":"https:\/\/dev.promoculture.lu\/web\/produit\/entrepreneuriat\/informatique-et-electronique\/machine-learning\/","title":{"rendered":"Machine Learning"},"content":{"rendered":"<p>Ce livre pr\u00e9sente \u00e0 des personnes non Data Scientists, et sans connaissances particuli\u00e8res en math\u00e9matiques, la\u00a0<strong>m\u00e9thodo\u00adlogie du Machine Learning<\/strong>, ses\u00a0<strong>concepts<\/strong>, ses\u00a0<strong>principaux algorithmes\u00a0<\/strong>et l\u2019<strong>impl\u00e9mentation de ceux-ci en Python avec Scikit-learn<\/strong>.<\/p>\n<p>Il commence par une pr\u00e9sentation du Machine Learning puis de la\u00a0<strong>m\u00e9thode CRISP\u00a0<\/strong>o\u00f9 chaque phase est d\u00e9taill\u00e9e avec ses dif\u00adf\u00e9rentes \u00e9tapes. Les premiers chapitres s\u2019int\u00e9ressent donc aux phases de\u00a0<strong>Business Understanding\u00a0<\/strong>(compr\u00e9hension m\u00e9tier),\u00a0<strong>Data Understanding\u00a0<\/strong>(ou compr\u00e9hension des donn\u00e9es) et de\u00a0<strong>Data Preparation\u00a0<\/strong>(pr\u00e9paration des donn\u00e9es). Dans ces cha\u00adpitres sont pr\u00e9sent\u00e9es des\u00a0<strong>analyses statistiques de datasets<\/strong>, que cela soit sous forme num\u00e9rique ou graphique ainsi que les principales\u00a0<strong>techniques utilis\u00e9es pour la pr\u00e9paration des don\u00adn\u00e9es<\/strong>, avec leur r\u00f4le et des conseils sur leur utilisation.<\/p>\n<p>Ensuite, plusieurs chapitres sont d\u00e9di\u00e9s chacun \u00e0 une t\u00e2che de Machine Learning : la\u00a0<strong>classification<\/strong>, la\u00a0<strong>r\u00e9gression<\/strong>, avec le cas particulier de la\u00a0<strong>pr\u00e9diction<\/strong>, ainsi que le\u00a0<strong>clustering\u00a0<\/strong>et plus globa\u00adlement l\u2019<strong>apprentissage non supervis\u00e9<\/strong>. Pour chaque t\u00e2che qui est pr\u00e9sent\u00e9e sont successivement d\u00e9taill\u00e9s les\u00a0<strong>crit\u00e8res d\u2019\u00e9va\u00adluation<\/strong>, les concepts derri\u00e8re les principaux\u00a0<strong>algorithmes\u00a0<\/strong>puis leur\u00a0<strong>impl\u00e9mentation\u00a0<\/strong>avec Scikit-learn.<\/p>\n<p>Pour illustrer les diff\u00e9rents chapitres, les techniques et algorithmes pr\u00e9sent\u00e9s sont appliqu\u00e9s sur des datasets souvent utilis\u00e9s : Iris (classification de fleurs), Boston (pr\u00e9vision de prix de vente d\u2019appartements) et Titanic (pr\u00e9vision de la chance de survie des passagers du bateau). Le code Python est comment\u00e9 et dispo\u00adnible en t\u00e9l\u00e9chargement (sous la forme de notebooks Jupyter) sur le site www.editions-eni.fr.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Ce livre pr\u00e9sente \u00e0 des personnes non Data Scientists, et sans connaissances particuli\u00e8res en math\u00e9matiques, la\u00a0m\u00e9thodo\u00adlogie du Machine Learning, ses\u00a0concepts, ses\u00a0principaux algorithmes\u00a0et l\u2019impl\u00e9mentation de ceux-ci en Python avec Scikit-learn. Il commence par une pr\u00e9sentation du Machine Learning puis de la\u00a0m\u00e9thode CRISP\u00a0o\u00f9 chaque phase est d\u00e9taill\u00e9e avec ses dif\u00adf\u00e9rentes \u00e9tapes. Les premiers chapitres s\u2019int\u00e9ressent donc aux [&hellip;]<\/p>\n","protected":false},"featured_media":92031,"template":"","meta":[],"product_brand":[],"product_cat":[142],"product_tag":[],"class_list":{"0":"post-92030","1":"product","2":"type-product","3":"status-publish","4":"has-post-thumbnail","6":"product_cat-informatique-et-electronique","7":"product_shipping_class-standard","8":"pa_auteurs-virginie-mathivet","9":"pa_collection-expert-it","10":"pa_editeur-eni","11":"pa_edition-mai-2024","12":"pa_nombre-de-pages-20598","14":"first","15":"instock","16":"purchasable","17":"product-type-simple"},"exclude_global_add_ons":[],"addons":[],"_links":{"self":[{"href":"https:\/\/dev.promoculture.lu\/web\/wp-json\/wp\/v2\/product\/92030","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/dev.promoculture.lu\/web\/wp-json\/wp\/v2\/product"}],"about":[{"href":"https:\/\/dev.promoculture.lu\/web\/wp-json\/wp\/v2\/types\/product"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dev.promoculture.lu\/web\/wp-json\/wp\/v2\/media\/92031"}],"wp:attachment":[{"href":"https:\/\/dev.promoculture.lu\/web\/wp-json\/wp\/v2\/media?parent=92030"}],"wp:term":[{"taxonomy":"product_brand","embeddable":true,"href":"https:\/\/dev.promoculture.lu\/web\/wp-json\/wp\/v2\/product_brand?post=92030"},{"taxonomy":"product_cat","embeddable":true,"href":"https:\/\/dev.promoculture.lu\/web\/wp-json\/wp\/v2\/product_cat?post=92030"},{"taxonomy":"product_tag","embeddable":true,"href":"https:\/\/dev.promoculture.lu\/web\/wp-json\/wp\/v2\/product_tag?post=92030"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}