machine_learning_4.jpg

En 2019, Andriy Burkov a publié un livre intitulé "The Hundred-Page Machine Learning Book" [1].

Sous le principe "Lisez avant d'acheter", Andriy Burkov a publié  "The Hundred-Page Machine Learning Book".

Comme son titre l'indique, c'est un livre d'apprentissage-machine de 100 pages. Il a été écrit par un expert en apprentissage machine, titulaire d'un doctorat en intelligence artificielle, qui a près de vingt ans d'expérience industrielle en informatique et en apprentissage machine pratique.

C'est un livre unique à bien des égards. C'est la première tentative réussie d'écrire un livre facile à lire sur l'apprentissage automatique qui n'a pas peur d'utiliser les mathématiques. C'est également la première tentative de réunir un large éventail de sujets sur l'apprentissage machine de manière systématique et sans perte de qualité.

Le livre ne contient que les parties de l'énorme corpus de matériel sur l'apprentissage machine développé depuis les années 1960, qui se sont avérées avoir une valeur pratique significative. Un débutant en apprentissage machine trouvera dans ce livre juste assez de détails pour obtenir un niveau de compréhension confortable du domaine et commencer à poser les bonnes questions. Les praticiens expérimentés utiliseront ce livre comme un recueil de conseils pour s'améliorer davantage.

Le livre est également utile lors d'un brainstorming au début d'un projet, lorsque vous essayez de répondre à la question de savoir si un problème technique ou commercial donné est "appréhendable par la machine" et, si oui, quelles techniques vous devriez essayer de résoudre.

Le livre est accompagné d'un wiki qui contient des pages qui prolongent certains chapitres du livre avec des informations supplémentaires: Questions et réponses, extraits de code, lectures complémentaires, outils et autres ressources pertinentes. Grâce à ce wiki constamment mis à jour, ce livre, comme un bon vin, continue à se bonifier après l'avoir acheté.

Table des matières

  1. Introduction
  2. Apprentissage supervisé
    1. Notation et définitions
    2. Algorithmes fondamentaux
    3. Anatomie de l'apprentissage machine
    4. Pratique fondamentale
    5. Réseaux de neurones et apprentissage profond
    6. Problèmes et solutions
    7. Pratique avancée
  3. Apprentissage non supervisé et autres formes d'apprentissage
    1. Apprentissage non supervisé
    2. Autres formes d'apprentissage
  4. Conclusion
  5. Index

[1] Andriy Burkov, The Hundred-Page Machine Learning Book, 2019 (commande (e-book ou version papier))