Visuel de Apprentissage artificiel

Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web...

Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples.

Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique pour l'ensemble des techniques regroupées sous ce terme "d'apprentissage artificiel".

À qui s'adresse ce livre ?

Ce livre s'adresse tant aux décideurs et aux ingénieurs qui souhaitent mettre au point des applications qu'aux étudiants de niveau Master 1 et 2 et en école d'ingénieurs, qui souhaitent un ouvrage de référence sur ce domaine clé de l'intelligence artificielle.

Titre Apprentissage artificiel
Sous-titre Concepts et algorithmes.
Auteur(s) Antoine Cornuéjols, Laurent Miclet
Editeur Eyrolles
Parution 3 juin 2010
Edition 2e édition
Nb de pages 804 pages
Format 230 x 170 mm
Poids 1332 g
EAN13 9782212124712
ISBN13 978-2-212-12471-2
ISBN10 2-212-12471-6
  • Les fondements de l'apprentissage
    • De l'apprentissage naturel à l'apprentissage artificiel
    • Première approche théorique de l'induction
    • L'environnement méthodologique de l'apprentissage
  • Apprentissage par exploration
    • Induction et relation d'ordre : l'espace des versions
    • La programmation logique inductive
    • Transfert de connaissance et apprentissage par analogie
    • L'inférence grammaticale
    • Apprentissage par évolution simulée
  • Apprentissage par optimisation
    • L'apprentissage de modèles linéaires
    • L'apprentissage de réseaux connexionistes
    • L'apprentissage de réseaux bayésiens
    • L'apprentissage de modèles de Markov cachés
    • Apprentissage par inférence d'arbres
  • Apprentissage par approximation et interpolation
    • Méthode à noyaux
    • L'apprentissage bayésien et son approximation
    • L'apprentissage de réflexes par renforcement
  • Au-delà de l'apprentissage supervisé
    • Apprentissage de combinaisons d'experts
    • La classification non-supervisée et la fouille de donnée
    • L'apprentissage semi-supervisé
    • Vers de nouvelles tâches et de nouvelles questions
    • Analyse de l'induction : approfondissement et ouvertures
  • Annexes techniques

Antoine Cornuéjols

Antoine Cornuéjols est professeur à AgroParisTech. Il enseigne l'apprentissage artificiel dans plusieurs grandes écoles et en Master. Ses recherches portent notamment sur l'apprentissage en ligne, l'apprentissage à partir de flux de données ainsi que sur des applications en bioinformatique et sciences du vivant.

Visuel de Antoine Cornuéjols

Laurent Miclet

Laurent Miclet est professeur à l'ENSSAT (www.enssat.fr) de Lannion, université de Rennes-I, et responsable du projet CORDIAL de l'IRISA (www.irisa.fr). Il enseigne l'apprentissage artificiel et la reconnaissance des formes dans plusieurs grandes écoles et en Master. Ses recherches portent en particulier sur l'apprentissage pour le dialogue homme-machine et les technologies vocales.

Visuel de Laurent Miclet