Introduction au Machine Learning, par Chloé-Agathe Azencott (Dunod InfoSup) présente les concepts fondamentaux de l'apprentissage automatique, ou machine learning.

Télécharger ici le PDF de la deuxième édition (sans les exercices corrigés)

Cet ouvrage s’adresse aux étudiantes et étudiants en informatique ou maths appliquées, en L3, master ou école d’ingénieurs. Le machine learning est une discipline dont les outils puissants permettent aujourd’hui à de nombreux secteurs d’activité de réaliser des progrès spectaculaires grâce à l’exploitation de grands volumes de données. Le but de cet ouvrage est de vous fournir des bases solides sur les concepts et les algorithmes de ce domaine en plein essor. Il vous aidera à identifier les problèmes qui peuvent être résolus par une approche machine learning, à les formaliser, à déterminer les algorithmes les mieux adaptés à chaque problème et à les mettre en oeuvre, et enfin à évaluer les résultats obtenus.

Les notions de cours sont illustrées et complétées par 85 exercices, tous corrigés.

Couverture du livre Introduction au Machine Learning (2ème édition)

Nouveautés dans la deuxième édition

  • Une place plus importante est donnée au point de vue probabiliste ;
  • Les notions d'estimation ponctuelle sont renvoyées en annexe ;
  • Une nouvelle section sur l'optimisation d'hyperparamètres ;
  • De nouveaux algorithmes : analyse discriminante linéaire et quadratique, clustering spectral, clustering par mélange de gaussiennes, UMAP.

Se procurer le livre

Pourquoi cette couverture ?

Il s'agit d'y voir le bord de l'eau comme une frontière de décision (non linéaire, assortie d'une zone d'indécision) entre mer et terre. Pour la genèse de cette idée, voir aussi ce fil Twitter.

Historique

  • Parution de la première édition en 2018

Couverture du livre Introduction au Machine Learning (1ère édition)

Version PDF de la première édition (sans les exercies)_

  • Nouveau tirage avec corrections en 2019
  • Deuxième édition en février 2022