Apprentissage artificiel (4° Éd.) Concepts et algorithmes - De Bayes et Hume au Deep Learning Coll. Algorithmes

Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web...

Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples. Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique pour l'ensemble des techniques regroupées sous ce terme « d'apprentissage artificiel ». La quatrième édition de ce livre a été augmentée et complètement réorganisée pour s'adapter aux évolutions très significatives de l'apprentissage artificiel ces dernières années. Une large place y est accordée aux techniques d'apprentissage profond et à de nouvelles applications, incluant le traitement de flux de données.

Ce livre s'adresse tant aux décideurs et aux ingénieurs qui souhaitent mettre au point des applications qu'aux étudiants de niveau Master 1 et 2 et en école d'ingénieurs, qui souhaitent un ouvrage de référence sur ce domaine clé de l'intelligence artificielle.

"Le lecteur francophone a la chance d'avoir accès à un livre d'une telle ampleur, d'une telle profondeur et d'une telle qualité".
Stuart Russell.

• Des machines apprenantes !
• L'induction exploitant la structure de l'espace des hypothèses
• L'induction par optimisation d'un critère inductif
• L'induction par comparaison et collaboration
• L'apprentissage descriptif
• L'apprentissage en environnement et non stationnaire
• Aspects pratiques et suppléments
• Annexes et bibliographie

Laurent Miclet était professeur d’informatique à l’Enssat (université de Rennes 1), où il a en particulier enseigné l’algorithmique. Son domaine de recherche est l’intelligence artificielle et l’apprentissage artificiel

Vincent Barra est professeur d’informatique à l’université Clermont Auvergne, où il enseigne l’apprentissage artificiel et le traitement d’images en école d’ingénieurs et en master. Ses activités de recherche portent sur l’analyse de données n-dimensionnelles, avec des volets méthodologiques et applicatifs dans divers domaines.