Le machine learning et l'intelligence artificielle sont des domaines qui connaissent une forte croissance et font l'objet de plus en plus d'études. Même si les applications avancées dont on entend parler peuvent paraître intimidantes et inaccessibles, les concepts de base restent faciles à saisir. Dans cet article, nous allons passer en revue quelques-unes des ressources les plus populaires sur le machine learning, qui s'adressent aux débutants ou à ceux qui souhaitent simplement en savoir plus sur le sujet. Pour certains livres, vous devrez avoir des connaissances en mathématiques ou en codage. Si c'est le cas, nous l'indiquerons de manière spécifique.

1. « Machine Learning For Absolute Beginners: A Plain English Introduction (Second Edition) » par Oliver Theobald

Auteur : Oliver Theobald
Site : Amazon

Comme l'indique le titre, ce livre propose une introduction complète au machine learning pour les débutants. Et quand on parle de débutants, on veut dire par là de véritables novices. Il n'y a besoin d'aucune connaissance de base en mathématique, ni d'aucune expérience en codage. Il s'agit d'une introduction de base sur le machine learning, pour tous ceux qui s'intéressent à ce thème.

Le langage utilisé est assez simple, pour ne pas noyer les lecteurs dans un jargon incompréhensible. Les différents algorithmes sont accompagnés d'explications et d'exemples visuels clairs et faciles à suivre. Ce livre présente également quelques notions simples de programmation pour mieux contextualiser le machine learning.

2. « Machine Learning For Dummies » par John Paul Mueller et Luca Massaron

Auteurs : John Paul Mueller et Luca Massaron
Site : Amazon

Pour les novices, la série de livres « pour les nuls » est également un bon point de départ. Ce livre présente les concepts et théories de base du machine learning et explique comment les appliquer au monde réel. Il présente les langages de programmation et les outils indispensables, et explique comment transformer un concept relativement ésotérique en un outil pratique.

Il aborde les langages de programmation Python et R, utilisés pour apprendre aux machines à repérer des tendances et analyser les résultats. En partant de ces tâches et tendances simples, nous pouvons déduire les avantages qu'apporte le machine learning à notre quotidien, par exemple pour les recherches sur le Web, la publicité sur Internet, le filtrage d'e-mails, la détection de fraude, etc. Ce livre est un petit pas pour l'homme dans le monde du machine learning.

3. « Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies » par John D. Kelleher, Brian Mac Namee et Aoife D'Arcy

Auteurs : John D. Kelleher, Brian Mac Namee et Aoife D'Arcy
Site : Amazon

Ce livre aborde toutes les notions fondamentales du machine learning, en présentant aussi bien l'aspect théorique que les applications pratiques. Il propose des exemples concrets et des études de cas pour mieux transmettre les connaissances. Il est recommandé d'avoir des bases en matière d'analytique pour mieux comprendre ces notions fondamentales.

Ce livre présente les différentes approches du machine learning, et illustre chaque concept d'apprentissage avec des algorithmes et des modèles, ainsi que des exemples concrets pour mettre ces concepts en pratique.

4. « Programming Collective Intelligence » par Toby Segaran

Auteur : Toby Segaran
Site : O'Reilly | Amazon

Ce livre est un guide pratique de mise en œuvre du machine learning. Vous découvrirez comment créer des algorithmes afin de collecter les données nécessaires pour des projets spécifiques, comment concevoir des programmes pour accéder à des données sur des sites Web, comment recueillir des données depuis des applications et comment déterminer le sens de toutes ces données.

Ce livre présente également les techniques de filtrage, les méthodes pour repérer des groupes et des tendances, les algorithmes des moteurs de recherche, ou encore la manière de réaliser des prédictions. Chaque chapitre inclut des exercices pour mettre en pratique les notions présentées.

5. « Machine Learning for Hackers » par Drew Conway et John Myles White

Auteurs : Drew Conway et John Myles White
Site : O’Reilly | Amazon

Ici, le terme « hackers » fait référence aux programmeurs qui créent du code pour des objectifs spécifiques et des projets pratiques. Ce livre s'adresse aux lecteurs qui n'ont pas de connaissances en mathématiques mais savent coder et utiliser les langages de programmation. Le machine learning s'appuie généralement sur des concepts mathématiques étant donné qu'il utilise des algorithmes pour analyser les données, mais bon nombre de codeurs expérimentés n'ont généralement pas de compétences mathématiques très développées.

Au lieu de s'attarder sur des théories mathématiques, ce livre présente des applications réelles en s'appuyant sur des études pratiques. Il aborde les problématiques classiques en machine learning et explique comment les résoudre en utilisant le langage de programmation R. Qu'il s'agisse de comparer des sénateurs en fonction des votes qu'ils ont reçus, de créer un système de recommandations de personnes à suivre sur Twitter ou de repérer les spams en fonction de leur contenu, les possibilités du machine learning sont infinies.

6. « Machine Learning in Action » par Peter Harrington

Auteur : Peter Harrington
Site : Amazon

Ce livre est un guide présentant aux débutants les techniques nécessaires en machine learning et les concepts sous-tendant les différentes pratiques. Il sert de didacticiel pour expliquer aux développeurs comment coder leurs propres programmes dans le but de collecter des données à analyser.

Il présente les techniques utilisées dans les applications pratiques, en se focalisant sur les algorithmes. Les extraits sur les langages de programmation proposent des exemples de code et d'algorithmes, que vous pourrez utiliser pour lancer et développer vos projets. Le langage Python étant utilisé dans la plupart des exemples, il est recommandé d'avoir des connaissances en la matière.

7. « Data Mining: Practical Machine Learning Tools and Techniques » par Ian H. Witten, Eibe Frank et Mark A. Hall

Auteurs : Ian H. Witten, Eibe Frank et Mark A. Hall
Site : Amazon

Ici, les auteurs se focalisent sur le côté technique du machine learning et sur la manière de collecter les données dont vous avez besoin à partir de techniques de data mining spécifiques. Ils abordent les détails techniques du machine learning et présentent les méthodes permettant de collecter des données et la manière d'utiliser différentes entrées et sorties pour évaluer les résultats.

Et comme le machine learning est en constante évolution, ce livre aborde également le thème de la modernisation et présente les nouveaux logiciels qui changent la donne. Il évoque aussi bien les techniques traditionnelles que les recherches récentes et les nouveaux outils mis au point. Mention spéciale également à Weka, l'outil développé par les auteurs pour une application pratique du machine learning.

Avis de non-responsabilité : Tableau ne soutient pas les produits présentés et les opinions formulées, et n'en tire aucun profit. De ce fait, cette page ne fait partie d'aucun programme d'affiliation. Le présent article est proposé dans un objectif pédagogique, et les informations sur les produits et les publications sont fournies pour aider les utilisateurs à prendre des décisions en connaissance de cause.

Autres ressources susceptibles de vous intéresser…