Machine Learning avec Scikit-Learn

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 a maitriser les outils qui vous permettront de creer vous-meme des systemes capables d'apprentissage automatique.Vous apprendrez ainsi a utiliser Scikit-Learn, un outil open source tres simple et neanmoins tres puissant que vous pourrez mettre en oeuvre dans vos systemes en production.* Apprendre les bases du Machine Learning en suivant pas a pas toutes les etapes d'un projet utilisant Scikit-Learn et pandas.* Ouvrir les boites noires pour comprendre comment fonctionnent les algorithmes.* Explorer plusieurs modeles d'entrainement, notamment les machines a vecteur de support (SVM).* Comprendre le modele des arbres de decision et celui des forets aleatoires, et exploiter la puissance des methodes ensemblistes.* Exploiter des techniques d'apprentissage non supervisees telles que la reduction de dimensionnalite, la classification et la detection d'anomalies.

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 a maitriser les outils qui vous permettront de creer vous-meme des systemes capables d'apprentissage automatique.Vous apprendrez ainsi a utiliser Scikit-Learn, un outil open source tres simple et neanmoins tres puissant que vous pourrez mettre en oeuvre dans vos systemes en production.* Apprendre les bases du Machine Learning en suivant pas a pas toutes les etapes d'un projet utilisant Scikit-Learn et pandas.* Ouvrir les boites noires pour comprendre comment fonctionnent les algorithmes.* Explorer plusieurs modeles d'entrainement, notamment les machines a vecteur de support (SVM).* Comprendre le modele des arbres de decision et celui des forets aleatoires, et exploiter la puissance des methodes ensemblistes.* Exploiter des techniques d'apprentissage non supervisees telles que la reduction de dimensionnalite, la classification et la detection d'anomalies.