<TitleType>01</TitleType> <TitleText textcase="01">Intelligence artificielle</TitleText> <Subtitle textcase="01">Une approche moderne</Subtitle>

Pearson France onixsuitesupport@onixsuite.com 20260309 fre

COM.ONIXSUITE.9782326057647 03 01 Pearson France 01 SKU F5764 02 2326057643 03 9782326057647 15 9782326057647 DG 002 Web PDF <TitleType>01</TitleType> <TitleText textcase="01">Intelligence artificielle</TitleText> <Subtitle textcase="01">Une approche moderne</Subtitle> 01 GCOI 27440100440640 1 A01 Stuart Russell Russell, Stuart Stuart Russell Stuart Russell est professeur au département d'informatique à l’université de Berkeley (Californie), où il dirige le Center for Human-Compatible Artificial Intelligence. Il est membre du bureau exécutif de l’AAAI (American Association for Artificial Intelligence) et membre de l’ACM (Association for Computing Machinery). Il a publié plus de 300 articles sur l’IA et est l’auteur de plusieurs livres, dont le best-seller : Artificial Intelligence, A Modern Approach. 2 A01 Peter Norvig Norvig, Peter Peter Norvig Peter Norvig est directeur de la recherche chez Google. Il a co-dirigé un cours d'IA en ligne auquel 160 000 étudiants se sont inscrits, contribuant à lancer la révolution des cours massifs en ligne ouverts à tous (MOOC). Il a dirigé la division informatique du centre de recherche Ames de la NASA, où il a supervisé la recherche et le développement en matière d'IA et de robotique. Il a écrit 4 livres, dont Paradigms of Artificial Intelligence Programming. 3 B06 Laurent Miclet Miclet, Laurent Laurent Miclet Laurent Miclet a été professeur d'informatique à l’ENSSAT (École Nationale Supérieure des Sciences Appliquées et de Technologie) et enseignait l’intelligence artificielle, l’apprentissage automatique, l’algorithmique avancée, les langages et la compilation. Il était aussi chercheur à l’IRISA (Institut de Recherche en Informatique et Systèmes Aléatoires). 4 B06 Fabrice Popineau Popineau, Fabrice Fabrice Popineau Fabrice Popineau est professeur à CentraleSupélec où il enseigne l'algorithmique, la modélisation logique, l’informatique théorique ainsi que l’intelligence artificielle. Il est chercheur au laboratoire LISN (Université Paris-Saclay) et porteur de la chaire de recherche Lusis dédiée aux applications de l’intelligence artificielle à la détection de fraude et au trading automatique. Il est expert auprès de l’ISO dans le sous-comité dédié à la normalisation de l’IA. 5 B06 Claire Cadet Cadet, Claire Claire Cadet Claire Cadet est traductrice, docteur en écologie et modélisatrice. Elle a enseigné la modélisation à l'ENS Ulm, à AgroParisTech et dans les universités Paris 6, 7 et Lyon I. 4 01 fre 1000 00 1000 03 COM004000 UYQ 29 2012 3193 INFORMATIQUE 10 COM000000 12 U 20 intelligence artificielle;agent intelligent;machine learning;deep learning;informatique 24 www.pearson.fr Informatique scientifique 24 www.pearson.fr Manuels et lecture complémentaires 24 www.pearson.fr Sciences, techniques et médecine 01 05 01 06 Professionnels : ingénieur, data analyst, data scientist, etc. - Étudiants : intelligence artificielle, machine learning, deep learning. 01 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: <ul> <li>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;</li> <li>les différentes manières de représenter formellement les connaissances relatives au monde qui nous entoure ainsi que le raisonnement logique fondé sur ces connaissances;</li> <li>les méthodes de raisonnement qui permettent d’établir des plans et donc de proposer des actions à entreprendre; </li> <li>la prise de décisions en environnement incertain: réseaux bayésiens et algorithmes tels que l’élimination de variables et MCMC (Markov Chain Monte-Carlo);</li> <li>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);</li> <li>la perception avec le traitement du langage naturel et la vision par ordinateur ainsi que l’action avec la robotique;</li> <li>l’avenir de l’IA et ses implications philosophiques et éthiques.</li> </ul> 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. 03 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: <ul> <li>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;</li> <li>les différentes manières de représenter formellement les connaissances relatives au monde qui nous entoure ainsi que le raisonnement logique fondé sur ces connaissances;</li> <li>les méthodes de raisonnement qui permettent d’établir des plans et donc de proposer des actions à entreprendre; </li> <li>la prise de décisions en environnement incertain: réseaux bayésiens et algorithmes tels que l’élimination de variables et MCMC (Markov Chain Monte-Carlo);</li> <li>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);</li> <li>la perception avec le traitement du langage naturel et la vision par ordinateur ainsi que l’action avec la robotique;</li> <li>l’avenir de l’IA et ses implications philosophiques et éthiques.</li> </ul> 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. 02 La bible en intelligence artificielle. 04 Chapitre 1 - Introduction Chapitre 2- Agents intelligents Chapitre 3- Résolution de problèmes par exploration Chapitre 4- Exploration dans des environnements complexes Chapitre 5- Exploration en situation d'adversité et jeux Chapitre 6- Problèmes à satisfaction de contraintes Chapitre 7- Agents logiques Chapitre 8- Logique du premier ordre Chapitre 9- Inférence en logique du premier ordre Chapitre 10- Représentations des connaissances Chapitre 11- Planification automatique Chapitre 12- Quantification de l'incertitude Chapitre 13- Raisonnement probabiliste Chapitre 14- Raisonnement probabiliste temporel Chapitre 15- Programmation probabiliste Chapitre 16- Prises de décisions simples Chapitre 17- Prises de décisions complexes Chapitre 18 -Prise de décisions en environnement multiagent Chapitre 19 - Apprentissage à partir d'exemples Chapitre 20- Apprentissage de modèles probabilistes Chapitre 21- Apprentissage profond Chapitre 22- Apprentissage par renforcement Chapitre 23- Traitement du langage naturel Chapitre 24 - Apprentissage profond et traitement du langage naturel Chapitre 25- Vision artificielle Chapitre 26- Robotique Chapitre 27- Philosophie, éthique et sécurité en IA Chapitre 28- L’avenir de l’IA 04 01 https://www.pearson.fr/resources/titles/27440100440640/extras/F0221_TDM.pdf 23 01 https://www.pearson.fr/resources/titles/27440100440640/extras/F0221_Preface.pdf 23 01 https://www.pearson.fr/resources/titles/27440100440640/extras/F0221_Chap1.pdf 06 03 01 https://www.pearson.fr/resources/titles/27440100440640/images/548b57cc0fd23358084548f3bbd9fdbc/HIGHQ/9782326057647.jpg 20211022 07 03 01 https://www.pearson.fr/resources/titles/27440100440640/images/548b57cc0fd23358084548f3bbd9fdbc/THUMBNAIL/9782326057647.jpg 20211022 02 https://www.pearson.fr/livre/?GCOI=27440100440640 06 3052396570015 Pearson 01 06 3052396570015 Pearson 01 www.pearson.fr http://www.pearson.fr 04 20211126 2021 13 03 9782326002210 06 3052396570015 Pearson France 01 AD AT BE BG HR CY CZ DK EE FI FR GF PF DE GI GR GP HU IS IE IT LV LI LT LU MT MQ MC NL NC NO OM PL PT RE RO RU ES PM SE CH UA GB VA HM MK TF YT BL GG IM JE 20 01 02 02 1 02 60.65 EUR