Apple. Le secret d'une incroyable réussite

L'image et la vidéo n'échappent pas à la vague des nouvelles technologies apportées par l'IA. L'IA, et plus précisément l'IA générative, est sur toutes les lèvres depuis bientôt 3 ans. Après la création de contenus textuels, c'est l'image, puis la vidéo dont la génération a été rendue possible à partir d'un simple prompt. Magie ? Cela peut y faire penser, mais comme toute technologie, ce sont des algorithmes qui se cachent derrière ces prouesses, et il faut connaitre leur fonctionnement, mais aussi leurs possibilités comme leurs limites pour en tirer le meilleur parti. Cet ouvrage est consacré à un des domaines créatifs révolutionnés par l'IA : l'image et le cinéma. Vous y découvrirez les outils et techniques pour devenir un artiste du pixel et de la création de contenus numériques visuels - photos, animations, vidéos - époustouflants. L'auteur partagera aussi des réflexions sur l'aspect éthique et juridique de ce tournant majeur dans une industrie en perpetuelle (r)évolution Action !

Le best-seller O'Reilly sur la data science avec Python enfin traduit en Francais ? Pour de nombreux chercheurs, Python est un outil essentiel en raison de ses bibliothèques pour stocker, manipuler et obtenir un aperçu des données. Ce livre décrit toutes les ressources dont vous pouvez disposer pour mettre en oeuvre vos applications : IPython, NumPy, Pandas, Matplotlib, Scikit-Learn et d'autres outils associés. Les scientifiques en activité et les utilisateurs de données familiarisés avec la lecture et l'écriture de code Python trouveront avec cette référence complète l'outil idéal pour s'attaquer aux problèmes quotidiens : manipuler, transformer et nettoyer les données ; visualiser différents types de données ; utiliser les données pour créer des modèles statistiques ou d'apprentissage automatique. Ce livre est tout simplement la référence incontournable pour le calcul scientifique en Python. Vous apprendrez à utiliser : IPython et Jupyter : fournissent des environnements de calcul pour les data scientists utilisant Python NumPy : inclut le ndarray pour un stockage et une manipulation efficaces de tableaux de données denses en Python Pandas : comprend le DataFrame pour un stockage et une manipulation efficaces des données étiquetées / en colonnes en Python Matplotlib : inclut des fonctionnalités pour une gamme flexible de visualisations de données en Python Scikit-Learn : pour des implémentations Python efficaces et propres des algorithmes d'apprentissage automatique les plus importants et les plus établis

Résumé : 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.

Un code informatique désordonné est source de nuisances. Pour le rendre plus lisible, il faut le réorganiser en portions plus faciles à gérer. Dans ce guide pratique, Kent Beck, créateur de l'extreme programming et pionnier des patrons de conception, explique quand et où ranger votre code en vue de l'améliorer, tout en gardant à l'esprit la structure globale du système. Plutôt que d'essayer de maîtriser un rangement général, cet ouvrage vous propose d'effectuer quelques remises en ordre qui correspondent à votre problème. Si l'une de vos fonctions est très longue, avec un grand nombre de lignes de code, vous apprendrez à la diviser en morceaux plus petits de façon logique. En cours de route, vous aborderez la théorie qui sous-tend la conception de logiciels : couplage, cohésion, flux de trésorerie actualisés et optionnalité. Au programme de ce livre : Comprendre la théorie de base de la conception des logiciels et les forces auxquelles elle est soumise. Différence entre la modification du comportement d'un système et la modification de sa structure. Améliorer votre expérience de la programmation en rangeant soit avant, soit après. Apprendre à effectuer des changements importants par petites étapes sûres. La conception de logiciels considérée comme un exercice de relations humaines.