Machine Learning - Implémentation en Python avec Scikit-learn (2e édition)

Name: Machine Learning - Implémentation en Python avec Scikit-learn (2e édition)
Brand: ENI
SKU: 9782409044823
Price: 240.78 RON
Availability: InStock

Implémentation en Python avec Scikit-learn (2e édition)

Autor: MATHIVET

Limbă:

Legare: Carte broșată

Editura: ENI

Disponibilitate: În depozitul extern

Expediem în 14-17 zile

240.78 lei

Ce livre présente à des personnes non Data Scientists, et sans connaissances particulières en mathém...

Informații despre carte

Autor

MATHIVET

Limbă

franceză

Legare

Carte - Carte broșată

Publicat

2024

Pagini

400

EAN

9782409044823

Enbook ID

44713327

Editura

ENI

Greutate

670

Dimensiuni

178 x 216 x 21

Descriere completă

Ce livre présente à des personnes non Data Scientists, et sans connaissances particulières en mathématiques, la méthodologie du Machine Learning, ses concepts, ses principaux algorithmes et l'implémentation de ceux-ci en Python avec Scikit-learn.Il commence par une présentation du Machine Learning puis de la méthode CRISP où chaque phase est détaillée avec ses différentes étapes. Les premiers chapitres s’intéressent donc aux phases de Business Understanding (compréhension métier), Data Understanding (ou compréhension des données) et de Data Preparation (préparation des données). Dans ces chapitres sont présentés des analyses statistiques de datasets, que cela soit sous forme numérique ou graphique ainsi que les principales techniques utilisées pour la préparation des données, avec leur rôle et des conseils sur leur utilisation.Ensuite, plusieurs chapitres sont dédiés chacun à une tâche de Machine Learning : la classification, la régression, avec le cas particulier de la prédiction, ainsi que le clustering et plus globalement l’apprentissage non supervisé. Pour chaque tâche qui est présentée sont successivement détaillés les critères d’évaluation, les concepts derrière les principaux algorithmes puis leur implémentation avec Scikit-learn.Pour illustrer les différents chapitres, les techniques et algorithmes présentés sont appliqués sur des datasets souvent utilisés : Iris (classification de fleurs), Boston (prévision de prix de vente d’appartements) et Titanic (prévision de la chance de survie des passagers du bateau). Le code Python est commenté et disponible en téléchargement (sous la forme de notebooks Jupyter) sur le site www.editions-eni.fr.

S-ar putea să te intereseze

Clienții care au cumpărat această carte au mai cumpărat și

Cele mai căutate

Categories

Authors

Publishers

Produse

Produse

Cele mai căutate

Categories

Authors

Publishers

Produse

Produse

Machine Learning - Implémentation en Python avec Scikit-learn (2e édition)

Implémentation en Python avec Scikit-learn (2e édition)

Informații despre carte

Descriere completă

S-ar putea să te intereseze

Clienții care au cumpărat această carte au mai cumpărat și