Le Machine Learning et l’IA générative avec Python – De la théorie à la pratique (2e édition)

Présentation

Préface de Patrick Albert – Cofondateur d’ILOG et du HUB France IA

Ce livre sur le Machine Learninget l’IA générative avec le langage Pythonpermet de disposer des connaissances théoriquesnécessaires pour une compréhension approfondie du Machine Learning et d’appréhender les outils techniquesutiles pour mettre en pratique les concepts étudiés. L’auteur y expose des exemples concretssur les concepts de l’apprentissage automatique. Les lecteurs avertis trouveront dans ce livre une occasion d’aller plus loin dans leur compréhension des algorithmes du Machine Learning.

L’auteur commence par expliquer les enjeux de la Data Scienceainsi que les notions fondamentalesdu Machine Learning avant de présenter la démarche théorique d’une expérimentation en Data Scienceavec les notions de modélisation d’un problèmeet de métriques de mesure de performances d’un modèle.

Le lecteur peut ensuite passer à la pratique en manipulant les bibliothèques Python NumPyet Pandas, ainsi que l’environnement Jupyter. Il peut ainsi aborder sereinement les chapitres à venir, qui lui feront découvrir les concepts mathématiques, et la pratique sous-jacente, relatifs aux algorithmes du Machine Learninget de l’IA générative, tels que les statistiques pour la Data Science, les régressionslinéaire, polynomiale ou logistique, les arbres de décisionet Random Forest, l’algorithme K-means, les machines à vecteurs de support (Support Vector Machine), l’analyse en composantes principales, les réseaux de neurones. Le Deep Learningavec les Generative Adversarial Networkspour le développement de vos propres modèles de génération d’images réalistes. Les notions de Deep Learning sont misesen pratique avec TensorFlow, OpenCVet PyTorch dans les environnementsGoogle Colab etVSCode.

Pour conclure son apprentissage, le lecteur abordera le traitement automatique du langage(Natural Language Processing) et les concepts fondamentaux du Prompt Engineering.

Caractéristiques