Listing 1 - 10 of 12 | << page >> |
Sort by
|
Choose an application
Knowledge comes from thinking with, from and through things, not just about them. We get to know the world around us from the inside of our being in it. Drawing on the fields of anthropology, art, architecture and education, this book addresses what knowing from the inside means for practices of teaching and learning. If knowledge is not transmitted ready-made, independently of its application in the world, but grows from the crucible of our engagements with people, places and materials, then how can there be such a thing as a curriculum? What forms could it take? And what could it mean to place such disciplines as anthropology, art and architecture at the heart of the curriculum rather than – as at present – on the margins?In addressing these questions, the fifteen distinguished contributors to this volume challenge mainstream thinking about education and the curriculum, and suggest experimental ways to overcome the stultifying effects of current pedagogic practice.
Apprentissage profond. --- Pédagogie expérimentale. --- Psychologie de l'éducation. --- Learning, Psychology of --- Creative thinking --- Teachers --- Training of
Choose an application
Choose an application
L’apprentissage automatique (Machine Learning) est aujourd’hui en pleine explosion. Mais de quoi s’agit-il exactement, et comment pouvez-vous le mettre en œuvre dans vos propres projets ? L’objectif de cet ouvrage est de vous expliquer les concepts fondamentaux du Machine Learning et de vous apprendre à maîtriser les outils qui vous permettront de créer vous-même des systèmes capables d’apprentissage automatique. Vous apprendrez ainsi à utiliser Scikit-Learn, un outil open source très simple et néanmoins très puissant que vous pourrez mettre en œuvre dans vos systèmes en production. • Apprendre les bases du Machine Learning en suivant pas à pas toutes les étapes d’un projet utilisant Scikit-Learn et pandas. • Ouvrir les boîtes noires pour comprendre comment fonctionnent les algorithmes. • Explorer plusieurs modèles d’entraînement, notamment les machines à vecteur de support (SVM). • Comprendre le modèle des arbres de décision et celui des forêts aléatoires, et exploiter la puissance des méthodes ensemblistes. • Exploiter des techniques d’apprentissage non supervisées telles que la réduction de dimensionnalité, la classification et la détection d’anomalies. Tous les exemples de code sont disponibles en ligne sous la forme de notebooks Jupyter à l’adresse suivante : https://github.com/ageron/handson-ml2
Choose an application
"The Science of Deep Learning emerged from courses taught by the author that have provided thousands of students with training and experience for their academic studies, and prepared them for careers in deep learning, machine learning, and artificial intelligence in top companies in industry and academia. The book begins by covering the foundations of deep learning, followed by key deep learning architectures. Subsequent parts on generative models and reinforcement learning may be used as part of a deep learning course or as part of a course on each topic. The book includes state-of-the-art topics such as Transformers, graph neural networks, variational autoencoders, and deep reinforcement learning, with a broad range of applications. The appendices provide equations for computing gradients in backpropagation and optimization, and best practices in scientific writing and reviewing. The text presents an up-to-date guide to the field built upon clear visualizations using a unified notation and equations, lowering the barrier to entry for the reader. The accompanying website provides complementary code and hundreds of exercises with solutions."
681.3 --- 681.3 Computer science --- 681.3 Computerwetenschap --- Computer science --- Computerwetenschap --- Deep learning (Machine learning). --- Deep learning (Machine learning) --- Apprentissage profond --- Intelligence artificielle
Choose an application
Les enquêtes internationales comme PISA, Timss et Pirls pointent régulièrement un certain retard français et des inégalités de réussite liée à l'origine sociale des élèves parmi les plus importantes au monde. Et si c'était dû à une insuffisante prise en compte en France des résultats des recherches scientifiques en éducation, pourtant largement diffusés dans les autres pays ? Les enseignants en ont rêvé, John Hattie, Gregory Yates et leur équipe de chercheurs australiens l'ont fait ! Ils ont passé en revue des milliers d'études concernant les recherches en pédagogie, en psychologie de l'éducation et en sciences cognitives. Et les résultats sont là : certaines pratiques d'enseignement sont efficaces, d'autres sont beaucoup moins pertinentes. Dans ce livre, vous découvrirez pourquoi la confiance des apprenants envers leurs enseignants et le droit à l'erreur sont primordiaux et en quoi le feedback est un outil puissant. Vous verre z comment les enseignants expérimentés se concentrent sur l'essentiel afin de ne pas augmenter la charge cognitive de leurs élèves, comment ils organisent leurs explications en séquences brèves et intensives. Vous comprendrez pourquoi la « classe inversée » et l'enseignement explicite sont efficaces, tandis que l'apprentissage par la découverte accroît les inégalités entre élèves. Vous saurez guider vos élèves pour qu'ils puissent apprendre à résoudre des problèmes, étape par étape. Vous connaîtrez les meilleures manières de maintenir leur motivation, grâce à la réussite. Vous les aiderez à renforcer leur mémoire et à accéder à l'automatisation, deux clefs de la réussite scolaire. Vous leur conseillerez les meilleures méthodes de révision et les stratégies métacognitives les plus pertinentes. Vous pourrez aussi leur expliquer pourquoi l'"effet Mozart", les "natifs numériques", et les "styles d'apprentissage" visu el, auditif et kinesthésique, sont des mythes infondés. John Hattie et Greg Yates offrent aux enseignants, en un seul ouvrage
Choose an application
"Ce livre s'adresse à toute personne qui désire mieux comprendre et utiliser les algorithmes pour améliorer sa pratique de la programmation, et acquérir une compréhension de base des domaines du Machine Learning et du Deep Learning. L'auteur commence par parler de logique pour aider le lecteur dans sa compréhension des algorithmes classiques et des règles de programmation. Il sera ainsi armé pour étudier les bases propres à tout langage de programmation : les variables, les opérateurs, les conditions, les boucles, les fonctions... Dans la suite du livre, l'auteur détaille ce qui fait la spécificité, l'intérêt et la puissance des algorithmes dits intelligents, dédiés au Machine Learning ou au Deep Learning. Il donne au lecteur des exemples d'applications modernes et montre comment les utiliser concrètement dans des programmes informatiques. La plupart des algorithmes de ce livre sont traduits en Python et en JavaScript. Les sources, directement utilisables, sont disponibles en téléchargement sur le site [de l'éditeur]."
Choose an application
Encore trop méconnue des Humanités, l'Intelligence artificielle ébranle les pratiques scientifiques et les certitudes. Appliquée aux textes - corpus littéraires, corpus politiques, textes français, textes latins - elle dévoile ses avantages et ses limites.Sous conditions, la digitalisation de masse de la culture vivifie les sciences et les arts du texte.La sémantique de corpus tire bénéfice des données massives à condition qu'elles soient circonscrites. L'algorithmique et la puissance de calcul excellent sous condition de se départir des prétentions probatoires au profit d'autres objectifs : explorer, interroger, décrire.En passant de la fixité du folio à la dynamique de l'écran, les textes s'ouvrent sur des parcours de lecture inédits, appuyés sur de nouveaux objets tels que les motifs.Seulement, les programmes de deep learning décrits dans cet ouvrage - avant tout, les modèles convolutionnels - ne peuvent rester plus longtemps une boite noire. Les couches cachées des réseaux de neurones artificiels n'ont d'intérêt que lorsqu'elles nourrissent les parcours interprétatifs et caractérisent des passages.C'est donc la profondeur herméneutique de l'approche numérique qui est exploitée ici. En donnant une autre représentation des corpus, en révélant les structures sous-jacentes des textes, en faisant émerger de nouveaux observables, l'Intelligence artificielle épaule l'herméneute et le philologue.Dans cet ouvrage, la machine apprend du corpus, classe les textes et décrit les grandeurs textuelles pertinentes ; reste aux chercheurs, linguistes, informaticiens, historiens, statisticiens le plaisir de comprendre.
Apprentissage profond. --- Intelligence artificielle --- Sémantique. --- Artificial intelligence. Robotics. Simulation. Graphics --- Mathematical linguistics --- Analyse du discours --- Informatique --- Analyse du discours - Informatique --- Criticism --- Text data mining. --- Literature and technology. --- Hypertext literature. --- Data processing.
Choose an application
Operational research. Game theory --- Mathematical statistics --- Programming --- Artificial intelligence. Robotics. Simulation. Graphics --- stochastische analyse --- statistiek --- mineralen (chemie) --- programmeren (informatica) --- mijnbouw --- informatietechnologie --- KI (kunstmatige intelligentie) --- Apprentissage profond --- Deep learning (Machine learning)
Choose an application
"Nous vivons une révolution inouïe, inimaginable il y a encore cinquante ans, celle de la machine qui apprend, et qui apprend par elle-même. Au lieu d'exécuter les ordres d'un programme, la machine peut désormais acquérir par elle-même, par l'expérience, les capacités nécessaires pour accomplir les tâches qui lui sont assignées, y compris celles que l'on croyait réservées à l'humain. Les applications sont immenses : reconnaissance des formes, des voix, des images et des visages, voiture autonome, traduction de centaines de langues, détection des tumeurs dans les images médicales... Yann Le Cun est à l'origine de cette révolution. Il est en effet l'un des inventeurs de l'apprentissage profond, le deep learning, qui caractérise un réseau de neurones artificiels dont l'architecture et le fonctionnement s'inspirent du cerveau. C'est à la naissance de cette nouvelle forme d'intelligence, à l'émergence d'un système quasiment auto-organisateur, que nous convie Yan Le Cun. Un livre qui évoque la démarche intellectuelle d'un inventeur au carrefour de l'informatique et des neurosciences. Un livre qui éclaire l'avenir de l'intelligence artificielle, ses enjeux, ses promesses et ses risques."
Machine Learning --- Artificial intelligence --- Neural networks (Computer science) --- Data mining --- Deep learning (Machine learning) --- Apprentissage profond. --- Réseaux neuronaux (informatique) --- Intelligence artificielle --- Facebook (site web) --- History --- Histoire. --- Facebook (Electronic resource)
Choose an application
Écrit par des experts de renommée mondiale, ce livre est la référence incontournable en matière d'intelligence artificielle (IA) dont il présente et analyse tous les concepts : logique, probabilités, mathématiques discrètes et du continu, perception, raisonnement, apprentissage, prise de décision et action. Un traitement approfondi des sujets simples comme des sujets avancés permet aux étudiants d'acquérir une compréhension générale des frontières de l'IA sans compromettre ni la complexité et ni la rigueur. Sa spécificité est de présenter l'IA à travers le concept d'agent intelligent. Les auteurs exposent comment un système réussit à percevoir son environnement de manière à analyser ce qui s'y passe, et comment il transforme la perception qu'il a de son environnement en actions concrètes. Cette approche intégratrice montre comment les différents sous-domaines de l'IA se combinent pour construire des applications capables de répondre à la complexité du monde réel. De plus, un très grand nombre de renvois entre les sections expose les connexions entre des domaines qui sont le plus souvent présentés comme indépendants. Parmi les sujets couverts : les contributions des mathématiques, de la théorie des jeux, de l'économie, de la théorie des probabilités, de la psychologie, de la linguistique et des neurosciences ; les différentes manières de représenter formellement les connaissances relatives au monde qui nous entoure ainsi que le raisonnement logique fondé sur ces connaissances ; les méthodes de raisonnement qui permettent d'établir des plans et donc de proposer des actions à entreprendre ; la prise de décisions en environnement incertain : réseaux bayésiens et algorithmes tels que l'élimination de variables et MCMC (Markov Chain Monte-Carlo) ; les méthodes d’apprentissage automatique (machine learning) employées pour générer les connaissances nécessaires aux composants de prise de décision : boosting, EM (expectation-minimization), machines à vecteurs support, réseaux de neurones, apprentissage profond (deep learning) ; la perception avec le traitement du langage naturel et la vision par ordinateur ainsi que l'action avec la robotique ; l'avenir de l'IA et ses implications philosophiques et éthiques. Chaque chapitre est illustré par de nombreux exemples et schémas, puis se termine par un résumé. Les exercices se trouvent en anglais sur la plateforme dédiée à l'ouvrage. Cette 4e édition tient compte des derniers développements de la matière et présente les concepts de manière plus unifiée. Elle apporte un éclairage nouveau et couvre de manière élargie l'apprentissage automatique, l'apprentissage profond, l'apprentissage par transfert, les systèmes multi-agents, la robotique, le traitement du langage naturel, la causalité, la programmation probabiliste, le respect de la vie privée, l'équité et la sécurité.
Intelligence artificielle --- Logique symbolique et mathématique --- Algorithmes --- Artificial intelligence --- Artificial intelligence. --- Machine learning. --- Intelligent agents (Computer software) --- Artificial Intelligence --- Intelligence artificielle. --- Apprentissage automatique. --- Agents intelligents (Logiciels) --- artificial intelligence. --- Agents intelligents (logiciels) --- Résolution de problème. --- Apprentissage profond. --- Traitement automatique du langage naturel. --- Robotique. --- Éthique appliquée.
Listing 1 - 10 of 12 | << page >> |
Sort by
|