Introduction au Machine Learning_Chloé-Agathe Azencott.pdf

Introduction auMachine Learning Chez le même éditeur Big Data et Machine Learning 3 e édition Pirmin Lemberger, Marc Batty, Médéric Morel, Jean-Luc Raffaëlli 272 pages Dunod, 2019 Machine Learning avec Scikit-Learn 2 e édition Aurélien Géron 288 pages environ Dunod, 2019 Deep Learning avec Keras et TensorFlow 2 e édition Aurélien Géron 392 pages environ Dunod, 2019 Introduction auMachine Learning Chloé-Agathe Azencott Maîtresse de conférences au CBIO (Centre de bio-informatique) de MINES ParisTech, de l’Institut Curie et de l’INSERM Illustration de couverture : © PhonlamaiPhoto - iStock © Dunod, 2018 Nouvelle présentation avec corrections 2019 11 rue Paul Bert, 92240 Malakoff www.dunod.com ISBN 978-2-10-080450-4 PRÉAMBULE Lemachine learning(apprentissage automatique) est au cœur de la science des don- nées et de l’intelligence artificielle. Que l’on parle de transformation numérique des entreprises, de Big Data ou de stratégie nationale ou européenne, le machine learning est devenu incontournable. Ses applications sont nombreuses et variées, allant des moteurs de recherche et de la reconnaissance de caractères à la recherche en géno- mique, l’analyse des réseaux sociaux, la publicité ciblée, la vision par ordinateur, la traduction automatique ou encore le trading algorithmique. À l’intersection des statistiques et de l’informatique, le machine learning se préoc- cupe de la modélisation des données. Les grands principes de ce domaine ont émergé des statistiques fréquentistes ou bayésiennes, de l’intelligence artificielle ou encore du traitement du signal. Dans ce livre, nous considérons que le machine learning est la science de l’apprentissage automatique d’une fonction prédictive à partir d’un jeu d’observations de données étiquetées ou non. Ce livre se veut une introduction aux concepts et algorithmes qui fondent le ma- chine learning, et en propose une vision centrée sur la minimisation d’un risque empirique par rapport à une classe donnée de fonctions de prédict