Traitement en cours...
Fermer la notification

Toutes nos lignes téléphoniques...

sont actuellement en dérangement du fait de l'opérateur (SFR), qui nous dit mettre tout en œuvre pour rétablir la situation dans les plus brefs délais mais jusqu'ici n'a pas réussi à le faire.
Nous restons cependant à votre disposition par d'autres moyens pour vous informer.
Si vous souhaitez connaître les dates estimées d’expédition des titres que vous avez commandés, pensez à simplement consulter le détail de vos commandes sur side.fr.
Si vous avez besoin d’une autre information, vous pouvez, selon votre urgence, écrire à notre service clients à france@side.fr ou appeler directement votre représentant ou appeler le 06 34 54 96 63, le numéro d'urgence temporaire que nous avons mis en place en attendant de retrouver notre accueil téléphonique habituel.

Afficher la notification

Guide pratique du machine learning avec Python

Soulard Hervé, Albon Chris, Gallatin Kyle
Date de parution 30/05/2024
EAN: 9782412094433
Disponibilité Disponible chez l'éditeur
Un livre indispensable à tous les programmeurs qui développent des applications de type machine learning. L'intelligence artificielle est dorénavent au coeur de notre société, g... Voir la description complète
Nom d'attributValeur d'attribut
Common books attribute
ÉditeurFIRST INTERACT
Nombre de pages437
Langue du livreFrançais
AuteurSoulard Hervé, Albon Chris, Gallatin Kyle
FormatPaperback / softback
Type de produitLivre
Date de parution30/05/2024
Poids820 g
Dimensions (épaisseur x largeur x hauteur)2,50 x 19,40 x 23,40 cm
Un livre indispensable à tous les programmeurs qui développent des applications de type machine learning. L'intelligence artificielle est dorénavent au coeur de notre société, grace aux data scientists. La data science consiste à traduire des problèmes de toute autre nature, en problèmes de modélisation quantitative, résolus par des algorithmes de traitement. Ce livre est une référence pour tous les programmeurs ou chefs de projets travaillant dans le domaine de la data science et de l'IA. Au programme : Travailler avec les données en provenance de bases de données CSV, JSON et SQL Les différentes type de données textes, images, dates et heures L'apprentissage non supervisé et le préprocessing Régression linéaire et logique Processus de validation Les machines à vecteurs de support (SVM) Enregistrer et charger des modèles à partir de frameworks multiples