Introduction au Machine Learning. 3e édition

Destiné à tous ceux qui veulent s'initier à la programmation, qu'ils soient étudiants, enseignant ou autodidactes, cet ouvrage vous fournira les bases de l'apprentissage de la programmation avec Python 3, langage à la fois simple, puissant et polyvalent. Accompagnée de nombreux exemples, la démarche pédagogique est renforcée par l'usage de la distribution Pyzo et des notebooks Jupyter, outils pédagogiques interactifs qui permettent au lecteur de tester aisément son code et de mettre en oeuvre les connaissances qu'il acquiert. De plus l'usage de la couleur permet de bien faire comprendre les différents éléments qui constituent le code. Outre les 25 exercices corrigés présents dans la version imprimée, cet ouvrage offre une centaine d'autres exercices corrigés accessibles sur le web. Le livre s'appuie sur la version Python 3. 8. Retrouvez sur https : //www. dunod. com/EAN/9782100809141 et sur https : //github. com/lpointal/appbclp : - Les programmes des exercices et des exemples. - Une documentation sur l'installation et l'usage des notebooks Jupyter. - Les exercices corrigés supplémentaires.

Cet ouvrage s'adresse aux étudiants (licences et IUT), ainsi qu'à tous ceux qui souhaitent acquérir des bases solides en programmation. L'ouvrage est structuré en quatre parties : Les bases du langage C : syntaxe, types de données, entréessorties (stdio. h), exécution conditionnelle, structuration d'un programme C, structures, itération. Les structures séquentielles : tableaux, fichiers texte, adresses, pointeurs et passage par adresse, allocation dynamique, chaînes de caractères, fichiers binaires, tableaux à double entrée. Les algorithmes : langage algorithmique et complexité, algorithmes de tri quadratiques, tri rapide (quicksort). Les structures de données : listes chaînées, piles, files, récursivité, arbres binaires, graphes, parcours de graphes, liste d'adjacence. Conçus comme des supports d'apprentissage, les 129 exercices corrigés peuvent être abordés en complément de l'enseignement reçu ou de manière autodidacte.

L'apprentissage automatique (Machine Learning) est aujourd'hui en pleine explosion. Mais de quoi s'agit-il exactement, et comment pouvez-vous le mettre en oeuvre dans vos propres projets ? L'objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du Machine Learning et de vous apprendre à maîtriser les outils qui vous permettront de créer vous-même des systèmes capables d'apprentissage automatique. Vous apprendrez ainsi à utiliser Scikit-Learn, un outil open source très simple et néanmoins très puissant que vous pourrez mettre en oeuvre dans vos systèmes en production. Apprendre les bases du Machine Learning en suivant pas à pas toutes les étapes d'un projet utilisant Scikit-Learn et pandas. Ouvrir les boites noires pour comprendre comment fonctionnent les algorithmes. Explorer plusieurs modèles d'entraînement, notamment les machines à vecteur de support (SVM). Comprendre le modèle des arbres de décision et celui des forêts aléatoires, et exploiter la puissance des méthodes ensemblistes. Exploiter des techniques d'apprentissage non supervisées telles que la réduction de dimensionnalite. la classification et la détection d'anomalies.

Résumé : Dans cette nouvelle édition de son best-seller, bible du photographe numérique, Martin Evening nous présente la version CC de Photoshop, en mettant l'accent sur les articulations entre Photoshop et Bridge, Camera Raw ou Lightroom. Les nouvelles fonctionnalités du logiciel, maintenant hébergé dans le Creative Cloud d'Adobe, sont traitées en détail (espace de travail, suréchantillonnage ,"intelligent", correction du flou de bougé, etc.), sans oublier les problématiques classiques de traitement et de correction des images, d'accentuation, de retouche, de montage, de travail du noir et blanc. Méthodes, mises en garde, conseils techniques et artistiques, cet ouvrage est le guide indispensable de tous les photographes, professionnels ou amateurs exigeants.