Cours MCII

Dernière mise à jour :  12-Mai-2011

Organisation du cours :

• Documents :
  • Les transparents du cours (voir détails ci-dessous)
  • Le livre (pour ceux qui sont intéressés) "Apprentissage artificiel. Concepts et algorithmes (2° éd.)" (A. Cornuéjols & L. Miclet. Eyrolles, 2010)

Programme prévisionnel :

Sources bibliographiques et url :

•  Cornuéjols A. & Miclet L. : Apprentissage artificiel : Concept et algorithmes (2° éd.). Eyrolles, 2010.
    (L'ouvrage de référence)

•  Mitchell T. : Machine Learning. McGraw Hill, 1997.
    (Un bon livre d'introduction mais qui commence à dater)

•  Cherkassky V. & Mulier F. : Learning from data. Concepts, theory and methods. Wiley Interscience, 1998.
    (Livre moins classique dans son organisation mais très intéressant)

•  Haykin S. : Neural netwoks. A comprehensive foundation. Prentice Hall, 1999.
   (Une somme incroyable)

•  Duda, Hart & Stork : Pattern classification (2nd éd.). Wiley-Interscience, 2001.
   (Orienté sur la reconnaissance de formes. Des graphiques exemplaires. Une référence)

•  Hastie, Tibshirani & Friedman : The elements of statistical learning. Data mining, inference and prediction. Springer, 2009 (2nd Ed.).
   (Un peu difficile, mais très informatif. Une typographie exemplaire. Un livre technique en couleurs !)

•  Bishop C. : Neural networks for pattern recognition. Clarendon Press, 1995.
   (Un bon livre d'introduction. Orienté vers les réseaux de neurones, mais discute des problèmes importants en apprentissage artificiel)

•  Bishop C. : Pattern Recognition and Machine Learning. Springer, 2006.
   (Excellent. Sous le point de vue bayésien.)
  
  

•  http://www.support-vector.net
    (Un point d'entrée sur les machines à vecteurs de support)

•  http://www.ai.univie.ac.at/oefai/ml/ml-resources.html
    (Un site recensant de très nombreuses ressources en Apprentissage Artificiel)