book

Apprentissage automatique appliqué et IA pour les ingénieurs

by Jeff Prosise

November 2024

Intermediate to advanced

428 pages

12h 51m

French

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Qui devrait lire ce livre ?Pourquoi j'ai écrit ce livreExécuter les échantillons de code du livreNaviguer dans ce livreConventions utilisées dans ce livreUtiliser des exemples de codeApprentissage en ligne O'ReillyComment nous contacterRemerciements
Qu'est-ce que l'apprentissage automatique ?L'apprentissage automatique par rapport à l'intelligence artificielleApprentissage supervisé ou non superviséApprentissage non supervisé avec k-Means ClusteringApplication du regroupement k-Means aux données des clientsSegmenter les clients en utilisant plus de deux dimensionsApprentissage superviséVoisins les plus proches (k-Nearest Neighbors)Utilisation des k-voisins les plus proches pour classer les fleursRésumé
Régression linéaireArbres de décisionForêts aléatoiresMachines à gradient de croissanceMachines à vecteurs de supportMesures de précision pour les modèles de régressionUtiliser la régression pour prédire les tarifs des taxisRésumé
Régression logistiqueMesures de précision pour les modèles de classificationDonnées catégoriellesClassification binaireClassification des passagers qui ont navigué sur le TitanicDétecter les fraudes à la carte de créditClassification multi-classeConstruire un modèle de reconnaissance des chiffresRésumé
Préparer le texte pour la classificationAnalyse des sentimentsNaive BayesFiltrage des spamsSystèmes de recommandationSimilitude des cosinusConstruire un système de recommandation de filmsRésumé
Comment fonctionnent les machines à vecteurs de supportNoyauxAstuces du noyauRéglage des hyperparamètresNormalisation des donnéesLa formation d'un pipelineUtilisation des SVM pour la reconnaissance facialeRésumé
Comprendre l'analyse en composantes principalesFiltrer le bruitAnonymisation des donnéesVisualisation des données à haute dimensionDétection des anomaliesUtiliser l'ACP pour détecter les fraudes à la carte de créditUtilisation de l'ACP pour prédire la défaillance des roulementsDétection d'anomalies multivariéesRésumé
Consommer un modèle Python à partir d'un client PythonVersionner les fichiers PickleConsommer un modèle Python à partir d'un client C#Conteneuriser un modèle d'apprentissage automatiqueUtiliser ONNX pour combler le fossé linguistiqueConstruire des modèles ML en C# avec ML.NETAnalyse de sentiments avec ML.NETSauvegarde et chargement des modèles ML.NETAjouter des capacités d'apprentissage automatique à ExcelRésumé

Comprendre les réseaux neuronauxFormation des réseaux neuronauxRésumé
Construire des réseaux neuronaux avec Keras et TensorFlowDimensionner un réseau neuronalUtilisation d'un réseau neuronal pour prédire les tarifs des taxis.Classification binaire avec les réseaux neuronauxFaire des prédictionsFormer un réseau neuronal pour détecter les fraudes à la carte de crédit.Classification multi-classe avec les réseaux neuronauxEntraîne un réseau neuronal à reconnaître les visages.AbandonSauvegarde et chargement des modèlesKeras CallbacksRésumé
Comprendre les CNNUtiliser Keras et TensorFlow pour construire des CNNEntraîne un CNN à reconnaître la faune de l'ArctiqueCNNs pré-entraînésUtilisation de ResNet50V2 pour classer les imagesApprentissage par transfertUtiliser l'apprentissage par transfert pour identifier la faune arctiqueAugmentation des donnéesAugmentation de l'image avec ImageDataGeneratorAugmentation de l'image avec des couches d'augmentationApplication de l'augmentation d'image à la faune arctiqueMise en commun mondialeClassification audio avec les CNNRésumé
Détection des visagesDétection des visages avec Viola-JonesUtilisation de l'implémentation OpenCV de Viola-JonesDétection des visages avec les réseaux neuronaux convolutifs.Extraction de visages à partir de photosReconnaissance facialeApplication de l'apprentissage par transfert à la reconnaissance facialeRenforcer l'apprentissage par transfert avec des poids spécifiques à la tâcheArcFaceAssembler le tout : Détecter et reconnaître les visages dans les photosTraitement des visages inconnus : Classification des ensembles fermés et des ensembles ouvertsRésumé
R-CNNsMasque R-CNNYOLOYOLOv3 et KerasDétection d'objets personnalisésFormation d'un modèle de détection d'objets personnalisé avec le service de vision personnaliséeUtilisation du modèle exportéRésumé
Préparation du texteLes classements de motsClassification des textesAutomatiser la vectorisation du texteUtilisation de la vectorisation de texte dans un modèle d'analyse de sentimentTenir compte de l'ordre des mots dans les prédictionsRéseaux neuronaux récurrents (RNN)Utiliser des modèles préformés pour classer le texteTraduction automatique neuronaleEncodeur-décodeur LSTMTransformateur Encodeur-DécodeurConstruction d'un modèle de NMT basé sur un transformateurUtiliser des modèles préformés pour traduire du texteReprésentations de codeurs bidirectionnels à partir de transformateurs (BERT)Construire un système de réponse aux questions basé sur le BERTAffiner le BERT pour effectuer une analyse de sentimentRésumé
Présentation des services cognitifs d'AzureClés et points d'arrivéeAppeler les API des services cognitifs AzureConteneurs de services cognitifs AzureLe service de vision par ordinateurLe service linguistiqueLe service de traductionLe service des discoursTout est réuni : Contoso TravelRésumé

Overview

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com

Alors que de nombreux guides d'introduction à l'IA sont des livres de calcul déguisés, celui-ci évite en grande partie les mathématiques. Au lieu de cela, l'auteur Jeff Prosise aide les ingénieurs et les développeurs de logiciels à acquérir une compréhension intuitive de l'IA pour résoudre des problèmes commerciaux. Tu dois créer un système pour détecter les bruits d'exploitation forestière illégale dans la forêt tropicale, analyser un texte pour y déceler des sentiments ou prédire les premières défaillances d'une machine rotative ? Ce livre pratique t'enseigne les compétences nécessaires pour mettre l'IA et l'apprentissage automatique au service de ton entreprise.

AppliedMachine Learning and AI for Engineers présente des exemples et des illustrations tirés du cours d'IA et de ML que Prosise enseigne dans des entreprises et des institutions de recherche du monde entier. Il n'y a pas de fluff ni d'équations effrayantes - juste un démarrage rapide pour les ingénieurs et les développeurs de logiciels, complété par des exemples pratiques.

Ce livre t'aide à :

Apprendre ce que sont l'apprentissage automatique et l'apprentissage profond et ce qu'ils peuvent accomplir.
Comprendre comment fonctionnent les algorithmes d'apprentissage populaires et quand les appliquer.
Construire des modèles d'apprentissage automatique en Python avec Scikit-Learn, et des réseaux neuronaux avec Keras et TensorFlow.
Entraîner et noter des modèles de régression et des modèles de classification binaire et multiclasse.
Construire des modèles de reconnaissance faciale et des modèles de détection d'objets
Construire des modèles de langage qui répondent aux requêtes en langage naturel et traduisent le texte dans d'autres langues.
Utilise les services cognitifs pour insuffler de l'IA dans les applis que tu écris.