Apprentissage automatique pour l'analyse commerciale : concepts, techniques et applications en Python

« Machine Learning for Business Analytics: Concepts, Techniques, and Applications in Python » est une introduction complète et un aperçu des méthodes qui sous-tendent l'IA moderne. Ce manuel à succès couvre à la fois les algorithmes statistiques et d'apprentissage automatique (IA) pour la prédiction, la classification, la visualisation, la réduction de dimension, l'exploration de règles, les recommandations, le clustering, l'exploration de texte, l'expérimentation, l'analyse de réseau et l'IA générative. En plus d'exercices pratiques et d'études de cas réels, il aborde également les questions managériales et éthiques pour une utilisation responsable des techniques d'apprentissage automatique.

Il s'agit de la deuxième édition Python de Machine Learning for Business Analytics. Cette édition comprend également : Un nouveau chapitre sur l'IA générative (grands modèles de langage ou LLM, et génération d'images) Un chapitre étendu sur l'apprentissage profond Un nouveau chapitre sur les techniques de feedback expérimental, y compris les tests A/B, la modélisation d'uplift et l'apprentissage par renforcement Un nouveau chapitre sur la science des données responsable Des mises à jour et du nouveau matériel basés sur les retours des instructeurs enseignant des MBA, des Masters en Business Analytics et des programmes connexes, des cours de premier cycle, de diplôme et de formation continue, ainsi que de leurs étudiants Un chapitre complet d'études de cas démontrant les applications des techniques d'apprentissage automatique Des exercices de fin de chapitre avec des données Un site web compagnon avec plus de deux douzaines d'ensembles de données, et du matériel pour les instructeurs, y compris les solutions d'exercices, les diapositives et les solutions de cas.

Ce manuel est une ressource idéale pour les cours de premier cycle supérieur et de deuxième cycle en IA, science des données, analyse prédictive et analyse commerciale. C'est également une excellente référence pour les analystes, les chercheurs et les praticiens de la science des données travaillant avec des données quantitatives en gestion, finance, marketing, gestion des opérations, systèmes d'information, informatique et technologies de l'information.