Supervised and Unsupervised Learning for Data Science

Le livre "Apprentissage supervisé et non supervisé pour la science des données" offre un aperçu complet des algorithmes d'apprentissage modernes, y compris des méthodes semi-supervisées, couvrant une large gamme de solutions de clustering et de classification pour les applications Big Data. Il contient des études de cas et des meilleures pratiques, ainsi que des modèles théoriques d'apprentissage qui servent de référence précieuse pour les professionnels et les étudiants. Les huit chapitres du livre abordent des thèmes centraux tels que la discrétisation, l'extraction et la sélection de caractéristiques, la classification, le clustering, la modélisation de sujets, l'analyse de graphes et leurs applications. Cet ouvrage est particulièrement utile pour les praticiens et les diplômés qui s'attaquent à des questions de recherche actuelles et futures, ainsi que pour les enseignants souhaitant présenter des approches modernes de l'apprentissage non supervisé et semi-supervisé lors de séminaires de niveau diplômé. Les contenus sont basés sur des contributions sélectionnées et étendues de la quatrième Conférence internationale sur le Soft Computing en science des données.