Apprenez à programmer en Java. 3e édition

Résumé : Au coeur des systèmes d'informations se trouvent les bases de données relationnelles, outils informatiques incontournables. Pour les comprendre, mieux les appréhender, voire les utiliser, nous avons choisi d'allier expériences professionnelles et pédagogiques. Cet ouvrage s'adresse donc aux étudiants de BTS-SIO, d'IUT informatique, de classes préparatoires et d'écoles d'ingénieurs, mais également aux développeurs débutants utilisateurs des SGBDR et de leur langage SQL. Chaque étudiant retrouvera les éléments de son programme, de la théorie relationnelle à la mise en oeuvre de SQL, avec de nombreux exercices d'entraînement. Pour aller plus loin, les questions rencontrées lors d'une pratique professionnelle sont aussi abordées. En complément, vous trouverez sur le site sqlparexemple l'ensemble des exercices corrigés et les éléments techniques dont vous aurez besoin.

Ce livre cherche non pas à simplifier mais à trouver ce qui est vraiment fondamental dans l'art d'écrire un programme. Il sera profitable à celui qui envisage de devenir programmeur comme à tous ceux qui sentent qu'il devient indispensable de connaître les grandes lignes de cet énorme futur numérique, avec ses contraintes. Vous apprendrez par la pratique à compter comme le font les circuits logiques, le travail avec les valeurs numériques et binaires, le saut conditionnel et l'appel de fonction. Des exemples en langage C, HTML, Java et JavaScript. Découvrez : votre premier programme, un jeu de tennis ; les Egyptiens, les Mayas et Pascal ; des valeurs, des variables et des actions ; des fonctions et des pointeurs ; la programmation par événements ; classes et objets ; programmer pour le Web avec HTML, CSS et JavaScript.

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 boites 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 dimensionnalite. la classification et la détection d'anomalies.

Cet ouvrage s'adresse aux étudiants (licences et IUT), ainsi qu'à tous ceux qui souhaitent acquérir des bases solides en programmation. L'ouvrage est structuré en quatre parties : Les bases du langage C : syntaxe, types de données, entréessorties (stdio. h), exécution conditionnelle, structuration d'un programme C, structures, itération. Les structures séquentielles : tableaux, fichiers texte, adresses, pointeurs et passage par adresse, allocation dynamique, chaînes de caractères, fichiers binaires, tableaux à double entrée. Les algorithmes : langage algorithmique et complexité, algorithmes de tri quadratiques, tri rapide (quicksort). Les structures de données : listes chaînées, piles, files, récursivité, arbres binaires, graphes, parcours de graphes, liste d'adjacence. Conçus comme des supports d'apprentissage, les 129 exercices corrigés peuvent être abordés en complément de l'enseignement reçu ou de manière autodidacte.