Machine learning avec R : pour une modélisation mathématique rigoureuse
4e de couv. : "L'apprentissage automatique (ou machine learning) est un sujet intimidant jusqu'à ce que vous en connaissiez les fondements. Si vous comprenez les principes essentiels du codage, ce guide d'introduction vous aidera à acquérir une base solide dans le domaine de l...
Enregistré dans:
Auteurs principaux : | , |
---|---|
Format : | Livre |
Langue : | français |
Titre complet : | Machine learning avec R : pour une modélisation mathématique rigoureuse / Scott V. Burger; [traduction de l'anglais : Daniel Rougé] |
Publié : |
Paris :
First interactive
, DL 2018 |
Description matérielle : | 1 vol. (X-224 p.) |
Traduction de : | Introduction to machine learning with R |
Sujets : |
Résumé : | 4e de couv. : "L'apprentissage automatique (ou machine learning) est un sujet intimidant jusqu'à ce que vous en connaissiez les fondements. Si vous comprenez les principes essentiels du codage, ce guide d'introduction vous aidera à acquérir une base solide dans le domaine de l'apprentissage automatique. En utilisant le langage de programmation R, vous commencerez par apprendre à modéliser avec la régression, puis passerez à des sujets plus avancés tels que les réseaux de neurones et les méthodes arborescentes. Finalement, vous plongerez dans le monde de l'apprentissage automatique en utilisant le package caret associé au langage de programmation R. Une fois que vous serez familiarisé avec des sujets tels que les modèles de régression et de classification, vous serez en mesure de résoudre de multiples problèmes d'apprentissage automatique. L'auteur de ce livre fournit également plusieurs exemples pour vous aider à bâtir une connaissance pratique de l'apprentissage automatique. " |
---|---|
Notes : | Le nom de l'éditeur (O'Reilly) de la version anglaise du livre figure sur la page de titre et sur la couverture |
Bibliographie : | Index |
ISBN : | 978-2-412-04115-4 |