Black Friday Week
Achetez d'occasion
16,61 €
Livraison GRATUITE 5 - 9 décembre. Détails
D'occasion: Très bon | Détails
Vendu par rebuy recommerce GmbH FR
État: D'occasion: Très bon
Commentaire: Très bon état : de légères traces d’usure peuvent être présentes - quelques plis, marques ou traces d'utilisation sur la couverture.
Autres vendeurs sur Amazon
Neuf & D'occasion (16) 
Image du logo de l'application Kindle

Téléchargez l'application Kindle gratuite et commencez à lire des livres Kindle instantanément sur votre smartphone, tablette ou ordinateur - aucun appareil Kindle n'est requis.

Lisez instantanément sur votre navigateur avec Kindle pour le Web.

Utilisation de l'appareil photo de votre téléphone portable - scannez le code ci-dessous et téléchargez l'application Kindle.

Code QR pour télécharger l'application Kindle

Suivre l'auteur

Aurélien Géron
Suivre
Une erreur est survenue. Veuillez renouveler votre requête plus tard.

Hands-On Machine Learning with Scikit-Learn and TensorFlow Broché – 9 avril 2017

Édition en Anglais de Aurelien Geron (Auteur)
4,6 4,6 sur 5 étoiles 1 318 évaluations
Afficher tous les formats et éditions

Graphics in this book are printed in black and white.

Through a series of recent breakthroughs, deep learning has boosted the entire field of machine learning. Now, even programmers who know close to nothing about this technology can use simple, efficient tools to implement programs capable of learning from data. This practical book shows you how.

By using concrete examples, minimal theory, and two production-ready Python frameworks—scikit-learn and TensorFlow—author Aurélien Géron helps you gain an intuitive understanding of the concepts and tools for building intelligent systems. You’ll learn a range of techniques, starting with simple linear regression and progressing to deep neural networks. With exercises in each chapter to help you apply what you’ve learned, all you need is programming experience to get started.

  • Explore the machine learning landscape, particularly neural nets
  • Use scikit-learn to track an example machine-learning project end-to-end
  • Explore several training models, including support vector machines, decision trees, random forests, and ensemble methods
  • Use the TensorFlow library to build and train neural nets
  • Dive into neural net architectures, including convolutional nets, recurrent nets, and deep reinforcement learning
  • Learn techniques for training and scaling deep neural nets
  • Apply practical code examples without acquiring excessive machine learning theory or algorithm details
Diapositive précédente des détails du produit
  1. Nombre de pages de l'édition imprimée 
    543 pages
  2. Langue
    Anglais
  3. Éditeur
    O'Reilly Media
  4. Date de publication
    9 avril 2017
  5. Dimensions
    17.15 x 3.81 x 22.86 cm
  6. ISBN-10
    1491962291
  7. ISBN-13
    978-1491962299
  8. Voir tous les détails
Diapositive suivante contenant les détails du produit
10 paquets de lingettes gratuites
Ressources sur la sécurité et les produits
Images et contacts

Ressources sur la sécurité et les produits

Images et contacts

Description du produit

Biographie de l'auteur

Aurelien Geron has worked as a software engineer for a consulting firm in Paris, an IoT startup in Montreal (back in 1999!), and has also worked as co-founder and CTO of a leading wireless ISP in France (Wifirst). He was the product manager for YouTube's video classification team.He has authored a WiFi book, a C++ book, and taught CS in French engineering schools. A few personal fun facts: Aurelien grew up in France, Nigeria, New Zealand, and the U.S. (Berkeley). He studied microbiology and evolutionary genetics before going into software engineering. He was the singer in a rock band, has 2 turtles and 3 hens, has scuba dived with 10-foot sharks, taught his 5-year-old son to count in binary on his fingers (up to 1023), and his parachute didn't open on the 2nd jump.

Détails sur le produit

  • Éditeur ‏ : ‎ O'Reilly Media (9 avril 2017)
  • Langue ‏ : ‎ Anglais
  • Broché ‏ : ‎ 543 pages
  • ISBN-10 ‏ : ‎ 1491962291
  • ISBN-13 ‏ : ‎ 978-1491962299
  • Poids de l'article ‏ : ‎ 962 g
  • Dimensions ‏ : ‎ 17.15 x 3.81 x 22.86 cm
  • Commentaires client :
    4,6 4,6 sur 5 étoiles 1 318 évaluations

À propos de l'auteur

Suivez les auteurs pour obtenir de nouvelles mises à jour et des recommandations améliorées.
Aurélien Géron

Aurélien Géron

Brief content visible, double tap to read full content.
Full content visible, double tap to read brief content.

Aurélien Géron est consultant en Machine Learning. Un ex-Googler, il a mené l'équipe de classification des vidéos de YouTube de 2013 à 2016. Auparavant, il avait cofondé en 2001 la société de conseil Polyconseil (qui gère actuellement le service Autolib'), puis en 2002 la société Wifirst (l'un des leaders de l'Internet sans fil en France), qu'il a dirigée techniquement jusqu'en 2012.

Il a été consultant dans de nombreux domaines: de la santé (transfusion sanguine) aux télécoms (SFR, Bolloré Télécom), en passant par la finance (JP Morgan et la Société Générale) et la défense (le département de défense du Canada). Il a publié plusieurs ouvrages techniques, sur le C++, le WiFi, les architectures réseau, et dernièrement sur le Machine Learning. Il a également été maître de conférences à l'AgroParisTech.

Quand il ne programme pas, il enseigne à ses trois enfants l'art de compter en binaire jusqu'à 1 023 avec leurs doigts (ou 1 048 575 en utilisant les orteils).

Commentaires client

4,6 étoiles sur 5
1 318 évaluations globales

Meilleures évaluations de France

Client d'Amazon
5,0 sur 5 étoiles Fantastic book, instant classic!
Avis laissé en France le 24 avril 2017
Achat vérifié
I bought a few other machine learning books before, and this one is by far the best. It is very thorough, and extremely clear. It covers everything I was hoping to learn: convolutional neural networks, deep reinforcement learning, recurrent nets, and it clarified a lot of things I thought I already knew: random forests, ensemble learning, svms and so on.

There's a ton of great figures and graphs, it's easy to read and the author is clearly knowledgeable. I like the fact that there's pointers to the original papers everywhere. All the code examples are on github, and there are many exercises (I only did the tensorflow ones, but they were great). Very "hands on", like the title says.
3 personnes ont trouvé cela utile
Utile
 Signaler
Coni
5,0 sur 5 étoiles Complexe mais tellement intéressant !
Avis laissé en France le 26 août 2017
Achat vérifié
Des bases en python sont nécessaires (un bon niveau en maths est aussi souhaitable pour comprendre plus en détail). Concernant le contenu, il est parfait, il parcourt en profondeur le Machine Learning avec Scikit-Learn et par la suite les Neurals Networks avec Tensorflow. Dans chaque chapitre, un exemple est traité et des exercices avec corrections sur Notebook. Je l'ai acheté sans connaissances de ses 2 librairies et il est juste passionnant ! Si vous voulez vous lancez, vous pouvez l'acheter les yeux fermés (si vous parlez anglais...)
3 personnes ont trouvé cela utile
Utile
 Signaler
Rlfdinky
4,0 sur 5 étoiles Ouvrage très clair et pragmatique pour comprendre les algorithmes
Avis laissé en France le 10 juillet 2017
Achat vérifié
Un ouvrage excellent pour mieux comprendre et appliquer les différentes techniques sous Python. L'ouvrage présente l'évolution des techniques à partir des régressions (linéaires et logistiques) avec une gradation vraiment bien construite. On passe sans problème des régressions linéaires vers les SVM avec des explications sur les différences et l'apparition de l'impact des paramètres. Ensuite on comprend l'évolution des arbres de décisions vers les random forest .. et les techniques de Boosting comme un nouveau défi pour résoudre un problème rencontré. L'ouvrage détaille beaucoup les réseaux de neurones ... mais fait l'impasse sur les réseaux bayésiens ainsi que le traitement des données textuelles (c'est le seul défaut de cet ouvrage). Pour ma part j'y ai trouvé des explications sur l'utilisation des paramètres pour les outils qui utilisent Scikit Learn. L'ouvrage est facile à lire et permet de progresser.
8 personnes ont trouvé cela utile
Utile
 Signaler
Tiffany
5,0 sur 5 étoiles Perfect for a good start
Avis laissé en France le 15 août 2018
Achat vérifié
The book was shipped in good condition. From the very first chapter, it is easy to read and clear. There are exercises to practice along and it is very well explained. Perfect for people who don't know where to start with machine learning but also for those already in the subject who want some good practice and explanations. I recommend !
Utile
 Signaler
Raphaël Courivaud
5,0 sur 5 étoiles Livre Machine learning
Avis laissé en France le 27 mai 2021
Achat vérifié
Très bon livre sur le machine learning pour apprendre ou confirmer ses connaissances
Utile
 Signaler
Jerome Fortias
5,0 sur 5 étoiles JUST THE BEST AI BOOK EVER
Avis laissé en France le 31 juillet 2019
Achat vérifié
Chapter 1 GREAT 10 also .... Perfect book with a lot of pragmatic examples, a lot of data source, a great way to explain equations making them simple. JUST THE BEST AI BOOK
Utile
 Signaler
Client d'Amazon
5,0 sur 5 étoiles excellent book!
Avis laissé en France le 1 juin 2019
Achat vérifié
I've been reading several machine learning books during the last years. I have to say that, so far, this book is one of my favorites,
Utile
 Signaler
Yann POURCENOUX
5,0 sur 5 étoiles Must-have
Avis laissé en France le 5 juin 2019
Achat vérifié
Lots of things to learn in this book. A must-have.
Utile
 Signaler

Meilleurs commentaires provenant d’autres pays

Traduire tous les commentaires en français
Douglas Ribas de Mattos
5,0 sur 5 étoiles N/A
Avis laissé au Brésil le 30 mai 2024
Achat vérifié
N/A
Signaler
Ruben
5,0 sur 5 étoiles Indispensable para quienes buscan aprender Machine Learning.
Avis laissé au Mexique le 24 février 2018
Achat vérifié
Excelente libro, para quienes están empezando y para quienes tienen cierta experiencia en este campo.

- Utiliza herramientas actuales y las librerías mas usadas.
- Aplicaciones reales con datos reales.
- Referencias a sitios web relacionados con el tema.
- Ejercicios muy interesantes y actuales.
- Conceptos muy bien explicados.

En lo personal poseo cierta experiencia en estos temas y no esperaba mucho de este libro, pero al tenerlo y empezar a leerlo me fascino, un libro mus imágenes.y bien hecho y se nota desde las primeras paginas que el autor es un experto en el tema, las herramientas y los ejemplos son muy y repito muy prácticos, fácilmente puedes replicar el código de ejemplo para tus necesidades y tus propias aplicaciones de ML.

Un Excelente libro, me atrevería a decir que de los mejores en la actualidad.
Altamente Recomendable.
Signaler
Miguel Angel Salinas Gancedo
5,0 sur 5 étoiles Muy completo
Avis laissé en Espagne le 10 octobre 2019
Achat vérifié
Para mi el mejor libro de Machine Learning, mu completo y con muy bueno ejemplos que van más haya de los típicos en otros libros.
Signaler
Mauri Claudio
5,0 sur 5 étoiles A must-have book for any machine learning practitioner.
Avis laissé en Italie le 9 août 2019
Achat vérifié
Excellent text. Covers both the theory and the practice of modern machine learning, providing the reader with a solid background , needed to tackle the matter with confidence.
Signaler
Trading Central
5,0 sur 5 étoiles Simply The Best Machine Learning Book Written to Date on TensorFlow with Bonus of Machine Learning Tools Thrown in for Free!
Avis laissé au Canada le 27 mai 2017
Achat vérifié
Machine learning books have become a dime a dozen. From the moment of receiving this one it was obvious this one stands out from the crowd. Having many such volumes what makes this book special is the depth of coverage in succinct english with examples that clearly illustrates the subject area being discussed.

As a newbie to TensorFlow this book is a very good starting point in the journey to proficiency. If you are looking for concise starting points in the areas of machine learning concepts discussed, this book again hits the mark in a clarity not seen in the many other books now collecting dust in my library. The Greeks and mathematical proofs have thankfully left out as if you at the level the book is written to you don't really care anymore. Life's classroom frankly are your results, not a peer review and this book is very much for the practitioner not the academic looking to impress his colleagues in academia.

This is a book worthy of being added to your machine learning library and in close proximity to the keyboard as you code to refresh what you thought you knew but long ago forgot was important. Just might donate my machine learning books to others at the local library as this book stands alone in taking up valuable space in a ever decreasing bookcase.
Signaler