Visuel de Apprentissage artificiel
visibilityFeuilleter

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 unique pour l'ensemble des techniques regroupées sous ce terme "d'apprentissage artificiel".

Ce livre s'adresse aux décideurs et aux ingénieurs qui souhaitent comprendre l'apprentissage automatique et en acquérir des connaissances solides, ainsi qu'aux étudiants de niveau maîtrise, DEA ou école d'ingénieurs qui souhaitent un ouvrage de référence en intelligence artificielle et en reconnaissance des formes.

Cet ouvrage est publié avec le concours de l'École Nationale Supérieure des Sciences Appliquées et de Technologie (Lannion).

Titre Apprentissage artificiel
Sous-titre Concepts et algorithmes
Auteur(s) Antoine Cornuéjols, Laurent Miclet, Yves Kodratoff
Editeur Eyrolles
Parution 26 août 2002
Edition 1ère édition
Nb de pages 638 pages
Format 230 x 171 mm
Poids 1096 g
EAN13 9782212110203
ISBN13 978-2-212-11020-3
ISBN10 2-212-11020-0
  • I. Les fondements de l'apprentissage
    • Première approche théorique de l'induction
    • Environnement méthodologique
  • II. Apprentissage par exploration
    • Induction et relation d'ordre
    • Programmation logique inductive
    • Inférence grammaticale
    • Apprentissage par évolution
  • III. Apprentissage par optimisation
    • Surfaces séparatrices linéaires
    • Réseaux connexionistes
    • Réseaux bayésiens
    • Modèles de Markov cachés
  • IV. Apprentissage par approximation et interpolation
    • Classification non supervisée
    • Apprentissage par renforcement
  • Annexes et bibliographie

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

Yves Kodratoff

Yves Kodratoff est directeur de recherches au CNRS et dirige au LRI l'équipe Inférence et Apprentissage. Il s'intéresse à toutes les techniques de raisonnement inductif, et en particulier à leur application au data mining.

Visuel de Yves Kodratoff