An Introduction to Statistical Learning : with Applications in Python / Gareth JAMES

Titre : An Introduction to Statistical Learning : with Applications in Python Type de document : texte imprimé Auteurs : Gareth JAMES, Auteur ; Daniela WITTEN, Auteur ; Trevor J. HASTIE, Auteur ; Robert John TIBSHIRANI, Auteur ; Jonathan E. TAYLOR, Auteur Editeur : Springer Nature Switzerland Année de publication : 2023 Importance : 607 p. ISBN/ISSN/EAN : 978-3-031-38746-3 Note générale : Preface Contents Index Catégories : Apprentissage non supervisé (intelligence artificielle) Apprentissage profond Arbres de décision Modèles linéaires (statistique) Python (langage de programmation) Index. décimale : 519.5 Statistique mathématique Résumé : Introduction Statistical Learning Linear Regression Classiication Resampling Methods Linear Model Selection and Regularization Moving Beyond Linearity Tree-Based Methods Support Vector Machines Deep Learning Survival Analysis and Censored Data Unsupervised Learning Multiple Testing

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00011815	519.5 JAM	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	500 - Sciences - Mathématiques	Sorti jusqu'au 15/05/2028

Comprendre le Deep Learning : une introduction aux réseaux de neurones / Jean-Claude HEUDIN

Titre : Comprendre le Deep Learning : une introduction aux réseaux de neurones Type de document : texte imprimé Auteurs : Jean-Claude HEUDIN, Auteur Editeur : Science-eBook Année de publication : 2016 Importance : 178 p. ISBN/ISSN/EAN : 979-10-91245-44-9 Note générale : Épigraphe Table des matières Introduction Annexes Catégories : Apprentissage profond Apprentissage supervisé (intelligence artificielle) Intelligence computationnelle Ordinateurs neuronaux Réseaux neuronaux (informatique) Index. décimale : 006.3 Intelligence artificielle Résumé : Prédicteurs et classifieurs Les réseaux de neurones L'apprentissage Programmer un réseau de neurones L'apprentissage profond Le Deep Learning en pratique

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00014420	006.3 HEU	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Disponible

Deep Learning / Ian J. GOODFELLOW

Titre : Deep Learning Type de document : texte imprimé Auteurs : Ian J. GOODFELLOW, Auteur ; Yoshua BENGIO, Auteur ; Aaron C. COURVILLE, Auteur Editeur : The MIT Press Année de publication : 2016 Collection : Adaptative Computation and Machine Learning Importance : 775 p. ISBN/ISSN/EAN : 978-0-262-03561-3 Note générale : Contents Website Acknowledgements Notation Bibliography Index Catégories : Apprentissage automatique Apprentissage profond Intelligence artificielle Méthode de Monte Carlo Théorie de l'information Index. décimale : 006.3 Intelligence artificielle Résumé : Introduction APPLIED MATH AND MACHINE LEARNING BASICS Linear Algebra Probability and Information Theory Numerical Computation Machine Learning Basics DEEP NETWORKS: MODERN PRACTICES Deep Feedforward Networks Regularization for Deep Learning Optimization for Training Deep Models Convolutional Networks Sequence Modelling: Recurrent and Recursive Nets Practical Methodology Applications DEEP LEARNING RESEARCH Linear Factor Models Autoencoders Representation Learning Structured Probabilistic Models for Deep Learning Monte Carlo Methods Confronting the Partition Function Approximate Inference Deep Generative Models

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00011591	006.3 GOO	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Sorti jusqu'au 15/05/2028

Deep Learning avec Keras et TensorFlow : Mise en œuvre et cas concrets / Aurélien GÉRON

Titre : Deep Learning avec Keras et TensorFlow : Mise en œuvre et cas concrets Type de document : texte imprimé Auteurs : Aurélien GÉRON, Auteur Mention d'édition : 3e éd. Editeur : Dunod Année de publication : 2024 Importance : 610 p. ISBN/ISSN/EAN : 978-2-10-084769-3 Note générale : Table des matières Avant-propos Le mot de la fin Annexes Index Catégories : Apprentissage automatique Apprentissage par renforcement (intelligence artificielle) Apprentissage profond Réseaux neuronaux (informatique) TensorFlow (logiciel) Index. décimale : 006.3 Intelligence artificielle Résumé : Les fondamentaux du Machine Learning Introduction aux réseaux de neurones artificiels avec Keras Entraînement de réseaux de neurones profonds Modèles personnalisés et entraînement avec TensorFlow Chargement et prétraitement de données avec TensorFlow Vision par ordinateur et réseaux de neurones convolutifs Traitement des séquences avec des RNN et des CNN Traitement automatique du langage naturel avec les RNN et les attentions Autoencodeurs, GAN et modèles de diffusion Apprentissage par renforcement Entraînement et déploiement à grande échelle de modèles TensorFlow

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00011620	006.3 GER	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Disponible

Introduction to Deep Learning / Eugene CHARNIAK

Titre : Introduction to Deep Learning Type de document : texte imprimé Auteurs : Eugene CHARNIAK, Auteur Editeur : The MIT Press Année de publication : 2018 Importance : 174 p. ISBN/ISSN/EAN : 978-0-262-03951-2 Note générale : Contents Preface Appendix Bibliography Index Catégories : Apprentissage profond Apprentissage supervisé (intelligence artificielle) Intelligence computationnelle Ordinateurs neuronaux Réseaux neuronaux (informatique) Index. décimale : 006.3 Intelligence artificielle Résumé : Feed-Forward Neural Nets Tensorflow Convolutional Neural Networks Word Embeddings and Recurrent NNs Sequence-to-Sequence Learning Deep Reinforcement Learning Unsupervised Neural-Network Models

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00014494	006.3 CHA	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Sorti jusqu'au 01/10/2027

Ordonnancer le trafic dans des réseaux déterministes grâce à l’apprentissage par renforcement / Adrien ROBERTY  

Titre : Ordonnancer le trafic dans des réseaux déterministes grâce à l’apprentissage par renforcement Type de document : thèse Auteurs : Adrien ROBERTY, Auteur ; Annie CHOQUET-GENIET, Directeur de thèse ; Frédéric RIDOUARD, Directeur de thèse ; Siwar BEN HADJ SA­ÏD, Directeur de thèse ; Henri BAUER, Directeur de thèse ; LIAS UR 20299 UP-ENSIP / ISAE-ENSMA, Commanditaire ; Katia JAFFRÈS-RUNSER, Rapporteur ; Abdelmadjid BOUABDALLAH, Rapporteur ; Nicolas NAVET, Examinateur ; Mireille SARKISS, Examinateur Importance : 111 p. Note générale : NNT 2024ESMA0001 Résumé Mots clés Remerciements Acronymes Symboles Sommaire Liste des tableaux liste des figures Introduction générale Bibliographie Glossaire Table des matières Résumé Mots clés Catégories : Apprentissage par renforcement (intelligence artificielle) Apprentissage profond Industrie 4.0 Intelligence artificielle Ordonnancement (informatique) Temps réel (informatique) Résumé : CONTEXTE TECHNOLOGIQUE Les délais de bout en bout Time-Sensitive Networking Apprentissage automatique Apprentissage par renforcement État de l'art CONTRIBUTIONS Introduction aux contributions Configurer le TAS de manière indentique Configurer le TAS de manière individuelle CONCLUSION GÉNÉRALE ET PERSPECTIVES En ligne : https://theses.hal.science/tel-04634443

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
TH-24 ROB	ROB	Numérique	Thèses ISAE-ENSMA en ligne	Thèses	Exclu du prêt

Quand la machine apprend : La révolution des neurones artificiels et de l'apprentissage profond / Yann LE CUN

Titre : Quand la machine apprend : La révolution des neurones artificiels et de l'apprentissage profond Type de document : texte imprimé Auteurs : Yann LE CUN, Auteur ; Caroline BRIZARD, Auteur Editeur : Editions Odile Jacob Année de publication : 2019 Importance : 394 p. ISBN/ISSN/EAN : 978-2-7381-4931-2 Note générale : Table Introduction Conclusion Glossaire Remerciements Catégories : Apprentissage profond Apprentissage supervisé (intelligence artificielle) Intelligence computationnelle Ordinateurs neuronaux Réseaux neuronaux (informatique) Index. décimale : 006.3 Intelligence artificielle Résumé : La révolution de l'IA Brève histoire de l'IA... et de ma carrière Machines apprenantes simples Apprentissage par minimisation, théorie de l'apprentissage Réseaux profonds et rétropropagation Les réseaux convolutifs, piliers de l'IA Dans le ventre de la machine ou le deep learning aujourd'hui Les années Facebook Et demain ? Perspectives et défis de l'IA Enjeux

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
B00014478	006.3 LEC	Ouvrage	BIBLIOTHÈQUE - ACCÈS LIBRE	000 - Informatique - Bibliothéconomie	Disponible

Vers une stratégie basée sur l’intelligence artificielle pour la création de contextes immersifs pour le cinéma / David TRAPARIC  

Titre : Vers une stratégie basée sur l’intelligence artificielle pour la création de contextes immersifs pour le cinéma Type de document : thèse Auteurs : David TRAPARIC, Auteur ; Chaker LARABI, Directeur de thèse ; Ladjel BELLATRECHE, Directeur de thèse ; LIAS UR 20299 UP-ENSIP / ISAE-ENSMA, Commanditaire ; Isabelle COMYN-WATTIAU, Rapporteur ; Frédéric MORAIN-NICOLIER, Auteur ; Mohamed Yacine GHAMRI-DOUDANE, Auteur Année de publication : 2025 Importance : 190 p. Note générale : NNT 2025ESMA0021 Remerciements Résumé Mots clés Table des matières Table des figures Liste des tableaux Liste des acronymes Traductions techniques Introduction Bibliographie Sources graphiques et multimédias Annexes Catégories : Apprentissage profond Art immersif Cinéma:France Intelligence artificielle Ontologies (informatique) Vision par ordinateur Résumé : LE CINÉMA IMMERSIF ET L'IA Introduction L'histoire de l'audiovisuel comme expérience immersive Le cinéma aujourd'hui : La réinvention de l'expérience face à la vidéo Immersion État de l'art par rapport à ICE L'apprentissage profond et sa place au sein de l'IA Conclusion ICE-HOLSS : UNE ONTOLOGIE DE LA SÉMANTIQUE LATENTE DES SCÈNES POUR ICE Introduction Postproduction et décision ICE Formalisation de la décision ICE à l'aide d'ontologie Retours d'expérience sur la création d'une ontologie dans le cadre de ICE Conclusion R-ICE ET ICE-AGE : PRÉDICTION DU NIVEAU DE DÉTAIL ADÉQUAT Introduction État de l'art sur l'analyse de vidéo Problématique et objectifs du projet Gestion des données Méthodologie et appropriation d'architectures existantes Expérimentations ICE-AGE : Extension Graphique basée sur l'Attention Conclusion ICE-CUBED : EXTENSION INTELLIGENTE DE CONTEXTES IMMERSIFS PAR INPAINTING Introduction État de l'art Méthodologie Résultats Validation perceptuelle Conclusion CONCLUSION Perspectives En ligne : https://theses.fr/2025ESMA0021

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
TH-25 TRA	TRA	Numérique	Thèses ISAE-ENSMA en ligne	Thèses	Exclu du prêt

---

1 (1 - 8 / 8) Par page : 25 50 100 200