Introduction au Machine Learning - 2e éd. (2° Éd.) Coll. InfoSup

Cet ouvrage s’adresse aux étudiantes et étudiants en informatique ou maths appliquées, en L3, master ou école d’ingénieurs.
Le Machine Learning est une discipline dont les outils puissants permettent aujourd’hui à de nombreux secteurs d’activité de réaliser des progrès spectaculaires grâce à l’exploitation de grands volumes de données.
Le but de cet ouvrage est de vous fournir des bases solides sur les concepts et les algorithmes de ce domaine en plein essor.
Il vous aidera à identifier les problèmes qui peuvent être résolus par une approche Machine Learning, à les formaliser, à identifier les algorithmes les mieux adaptés à chaque problème, à les mettre en oeuvre, et enfin à savoir évaluer les résultats obtenus.
Les notions de cours sont illustrées et complétées par  85 exercices, tous corrigés.

Présentation du  machine learning
Apprentissage supervisé
Sélection de modèle et évaluation
Inférence bayésienne
Régressions paramétriques
Régularisation
Réseaux de neurones artificiels
Méthodes des plus proches voisins
Arbres et forêts
Machines à vecteurs de support et méthodes à noyaux
Réduction de dimension
Clustering

Chloé-Agathe Azencott est maîtresse de conférences au CBIO (Centre de bio-informatique) de Mines Paris, de l’Institut Curie et de l’INSERM. Elle enseigne le Machine Learning sur OpenClassrooms. Elle est la lauréate 2021 du prix de la Jeune ingénieure en intelligence artificielle.