Machine learning avec Scikit-Learn / Mise en oeuvre et cas concrets

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 et la détection d'anomalies. Tous les exemples de code sont disponibles en ligne sous la forme de notebooks Jupyter à l'adresse suivante : https : //github. com/ageron/handson-ml2

Devenez incollable sur Spinoza et sa pensée avec lePetitPhilosophe. fr ! Cette fiche propose une analyse approfondie de la philosophie de Baruch Spinoza, avec sa biographie, le contexte philosophique dans lequel il s'inscrit, l'analyse détaillée de sa pensée et une synthèse de ce qu'il faut en retenir. La fiche est complétée par une liste de citations clés du philosophe. - Après la biographie, la mise en contexte aborde les bouleversements scientifiques du XVIIe siècle et le cartésianisme. - Ensuite, l'analyse se penche sur les cinq principales caractéristiques du système philosophique de Spinoza : la nécessité absolue, un Dieu-nature, l'unité de l'homme, les passions et la philosophie politique. - Enfin, après un bref résumé de l'analyse dans lequel on se focalise sur l'essentiel, on trouve des citations assorties d'explications. A propos de la collection LePetitPhilosophe. fr : Destinée avant tout à un public de néophytes et aux lycéens qui préparent le bac de philo, LePetitPhilosophe. fr propose des analyses d'oeuvres philosophiques classiques et contemporaines. Nos analyses, disponibles aux formats papier et numérique, ont été conçues pour guider les lecteurs à travers toute la philosophie. Nos auteurs combinent théories, citations, anecdotes et commentaires pour vous faire découvrir les plus grands penseurs d'hier et d'aujourd'hui.

Devenez incollable sur Descartes et sa pensée avec lePetitPhilosophe. fr ! Cette fiche propose une analyse approfondie de la philosophie de René Descartes, avec sa biographie, le contexte philosophique dans lequel il s'inscrit, l'analyse détaillée de sa pensée et une synthèse de ce qu'il faut en retenir. La fiche est complétée par une liste de citations clés du philosophe. - Après la biographie, la mise en contexte aborde les révolutions scientifiques du XVIIe siècle. - Ensuite, l'analyse se penche sur les quatre parties du système philosophique de Descartes : la méthode cartésienne, les fondements de la métaphysique, la physique cartésienne et la morale. - Enfin, après un bref résumé de l'analyse dans lequel on se focalise sur l'essentiel, on trouve des citations assorties d'explications. A propos de la collection LePetitPhilosophe. fr : Destinée avant tout à un public de néophytes et aux lycéens qui préparent le bac de philo, LePetitPhilosophe. fr propose des analyses d'oeuvres philosophiques classiques et contemporaines. Nos analyses, disponibles aux formats papier et numérique, ont été conçues pour guider les lecteurs à travers toute la philosophie. Nos auteurs combinent théories, citations, anecdotes et commentaires pour vous faire découvrir les plus grands penseurs d'hier et d'aujourd'hui.

L'objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du Deep Learning et de vous montrer, grâce à de nombreux exemples de code accessibles en ligne, comment les mettre en pratique. Cette troisième édition tient notamment compte de la nouvelle version de TensorFlow 2, outil open source très efficace pour entraîner des réseaux de neurones artificiels. - Construire et former de nombreuses architectures de réseaux de neurones pour classification et régression à l'aide de TensorFlow 2. - Découvrir la détection d'objets, la segmentation sémantique, les mécanismes d'attention, les modèles de langage, les réseaux antagonistes génératifs, etc. - Explorer l'API Keras, l'API officielle de haut niveau pour TensorFlow 2. - Produire des modèles TensorFlow à l'aide de TF Data, de TF Transform, de l'API de stratégies de distribution et de TF Serving. - Déployer sur la plateforme Google Cloud AI ou sur des appareils mobiles. - Créer des agents d'apprentissage autonomes avec le Reinforcement Learning, y compris en utilisant la bibliothèque TF-Agents. Tous les exemples de code sont disponibles en ligne sous la forme de notebooks Jupyter à l'adresse suivante : https : //github. com/ageron/handson-ml2