Machine learning - 2e édition

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 édition quelques programmes des
algorithmes classiques, écrits en langages Python et C (langages à la fois
simples et populaires), et à destination des lecteurs qui souhaitent connaître
le fonctionnement de ces modèles désignés parfois comme des boîtes noires. Ces
programmes libres (GPLv3) essentiels au développement de solutions big data
sont déposés progressivement sur ce gitlab (https://gricadgitlab.univ-
grenoble-alpes.fr/aminima/machine-learning-tools).



À qui s’adresse ce livre ?

• Aux élèves ingénieurs, étudiants de master et doctorants en mathématiques
appliquées, algorithmique, recherche opérationnelle, gestion de production,
aide à la décision.

• Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels,
économistes et décideurs ayant à résoudre des problèmes de classification, de
partitionnement et d’ordonnancement à large échelle.