Guide pratique du machine learning avec Python

Découvrez plus de 200 recettes qui vous aideront à relever les défis posés par l'apprentissage automatique (machine learning). Si Python et ses bibliothèques (notamment pandas et scikit-learn) vous sont familiers, vous saurez résoudre des problèmes comme le chargement de données, l'exploitation de réseaux de neurones ou l'entraînement de modèles. Les recettes de ce livre contiennent du code que vous pouvez copier et coller, puis exécuter sur un jeu données simple afin d'en vérifier le fonctionnement. Vous pourrez ensuite les adapter à vos cas concrets d'utilisation ou à vos applications. Elles sont accompagnées de commentaires qui expliquent les solutions proposées avec des mises en contexte significatives. Allez au-delà de la théorie et des concepts en découvrant les techniques et les outils qui vous permettront de créer des applications d'apprentissage automatique opérationnelles. Vecteurs, matrices et tableaux. Manipuler des données extraites de bases de données ou d'autres sources aux formats CSV et JSON. Traiter des données numériques et catégorielles, du texte, des images, des dates et des heures. Réduire la dimensionnalité à l'aide de l'extraction ou de la sélection de caractéristiques. Evaluer et sélectionner des modèles. Régression, arbres et forêts, k plus proches voisins. Machines à vecteurs de support, Bayes naïf, partitionnement et modèles arborescents. Entraîner des modèles avec différents frameworks.