Apprentissage artificiel : Concepts et algorithmes

Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web...
Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples.
Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique unique pour l'ensemble des techniques regroupées sous ce terme " d'apprentissage artificiel ".

A qui s'adresse ce livre ?
* Aux décideurs et aux ingénieurs qui souhaitent comprendre l'apprentissage automatique et en acquérir des connaissances solides ;
* Aux étudiants de niveau maîtrise, DEA ou école d'ingénieurs qui souhaitent un ouvrage de référence en intelligence artificielle et en reconnaissance des formes.

Biographie de l'auteur
Antoine Cornuéjols est maître de conférences à l'Institut d'informatique d'entreprise et chercheur au LRI de Paris XI à Orsay. Il enseigne l'apprentissage artificiel dans plusieurs grandes écoles et en DEA. Ses recherches portent notamment sur l'utilisation de l'apprentissage pour l'analyse de données en médecine, en génomique et en vision artificielle.
Laurent Miclet est professeur à l'ENSSAT de Lannion. Il est responsable du projet CORDIAL de l'INRIA et enseigne l'apprentissage artificiel et la reconnaissance des formes dans plusieurs grandes écoles et en DEA. Ses recherches portent en particulier sur l'apprentissage pour le dialogue homme-machine et les technologies vocales.
Yves Kodratoff est directeur de recherches au CNRS et dirige au LRI l'équipe Inférence et Apprentissage. Il s'intéresse à toutes les techniques de raisonnement inductif, et en particulier à leur application au data mining.
Cet ouvrage est publié avec le concours de l'Ecole Nationale Supérieure des Sciences Appliquées et de Technologie (Lannion).

TAble des matières

Les fondements de l'apprentissage
Apprentissage par exploration
Apprentissage par optimisation
Apprentissage par approximation et interpolation
Approfondissements et annexes techniques