[Livre] Des bases de la statistique et des probas vers le machine learning

[MrChickenova]

Bonjour

J'avais déjà posé cette question sur un autre forum mais n'ayant pas eu de réponse, je me permets de venir la poser sur futura en espérant trouver réponse [Pour ceux qui reconnaîtraient la demande]

Je suis étudiant ingénieur civil électronicien / informaticien de 3ème année en Belgique (je précise vu que les systèmes francophones sont tous différents ^^). J'ai déjà eu des cours de statistique, probabilité, stochastique plus ou moins poussés cependant ils étaient toujours donnés de "façon mathématique". Je veux dire par là que c'étaient de beaux festivals de théorèmes, démonstrations et notations mais qu'au final, je n'en ai pas retenu grand chose et surtout, nous n'avons pas vraiment vu l'utilité pratique de ces matières. En gros j'ai l'impression de connaître sans comprendre :/ C'est un peu ballot pour un ingénieur hein ?

Ca fait quelques temps que j'entends parler de machine learning et maintenant que j'ai les bases, j'ai vraiment envie de m'y mettre. Mais je n'ai pas envie de le faire n'importe comment, j'aimerais m'assurer que ces bases soient assez solides (surtout que je l'aurais comme cours dès le prochain semestre...). Je cherche donc un (ou plusieurs) livre(s) qui couvrirait l'apprentissage des matières suivantes : probabilité, statistique, processus stochastiques, machine learning mais de façon pragmatique. Si vous avez aussi de bon conseils de livre pour la mise en pratique en python, par exemple, je suis preneur aussi !

Merci beaucoup
-----

[pm42]

Il y en a plein. Perso, je te conseillerais de commencer par Francois Chollet - Deep Learning with Python (2017, Manning Publications).
Il a l'avantage d'être très pragmatique et de commencer à faire du deep-learning sans trop insister sur les maths qui sont intéressantes pour comprendre ce qui se passe en dessous mais parfois bloquantes au début.

En livre de référence avec les maths justement, tu as Goodfellow I., Bengio Y., Courville A - Deep learning (2016, MIT).

P.S : ce sont des conseils qui m'ont été donné par un prof/chercheur en IA.

[MrChickenova]

Merci pour ta réponse.

Justement, c'est parce qu'il y en a plein que c'est si dur de choisir et vu leur prix je n'ai pas envie d'y aller tête baissée non plus Je prends note de tes livres en attendant d'autres réponses

C'est marrant que tu dises que les maths ne sont pas forcément utiles en première approche, lors de la présentation de la matière les profs avaient l'air de dire que c'était impossible sans... Ils sont toujours dans l'exagération on dirait

[pm42]

C'est marrant que tu dises que les maths ne sont pas forcément utiles en première approche, lors de la présentation de la matière les profs avaient l'air de dire que c'était impossible sans... Ils sont toujours dans l'exagération on dirait

Pour commencer à jouer, ce n'est effectivement pas la peine de creuser les aspects mathématiques. J'ai fait des petits réseaux et jouer avec facilement.
Pour aller plus loin ou faire un truc sérieux, il faut une bonne formation et on n'y coupe pas.

Mais je pense qu'on apprend mieux en faisant prise en main puis théorie qu'en commençant par se prendre des centaines de pages de théorie sans rien de concret pour aider à la mémoriser et à voir comment elle s'applique.

[A voir en vidéo sur Futura]

[MrChickenova]

Bien, je vais suivre tes conseils. C'est parti !

Merci beaucoup pour ces deux livres, vu les avis trouvés sur le web ils ne pourront faire que mon plaisir