Le meilleur livre pratique de Machine Learning

Le Machine Learning (ou ML) est une branche importante de l’Intelligence Artificielle, la majorité des technologies actuelles d’IA utilisent des techniques de cette branche, comme par exemple les innovations DeepMind de Google ou les Enceintes Connectées, comme Google Home, Amazon Echo ou Apple HomePod, représentées sur la photo en bas. Je ne suis pas un spécialiste du domaine pour conseiller le meilleur livre pour apprendre cette discipline mais sur internet on arrive trouver des spécialistes qui peuvent nous orienter dans le choix d’un bon livre pour un bon investissement d’apprentissage dans le domaine. Le gars sur la vidéo en bas fait des vidéos de tutoriaux sur l’utilisation du langage Python dans le domaine du Data Science et Machine Learning, d’ailleurs le Python est très prisé pour ces deux disciplines. D’après l’auteur de la vidéo le livre Hands On Machine Learning with Scikit Learn and Tensorflow est le meilleur livre actuel sur le Machine Learning concernant l’aspect pratique du domaine (et non théorique), il explique dans la vidéo pourquoi d’après lui c’est le meilleur livre qui existe.

D’après ma modeste expérience dans l’éducation, le meilleur moyen d’apprendre pour un étudiant est un  »bon » livre, j’ai toujours répété à mes étudiants qu’un bon livre vous fera apprendre dix fois plus ce que vous apprendrez en suivant le cursus normal pour module donné, et c’est tout à fait logique, les bons livres sont généralement écrits par des spécialistes avec des années d’expérience, peut être les meilleurs dans le domaine, par exemple pour le module des architecture des ordinateur le livre Computer Organization and Design écrit par David A. Patterson et John L. Hennessy, les deux auteurs sont des experts reconnus mondialement, c’étaient les deux initiateurs de la conception des processeurs RISC, de facto de 99% des processeurs actuels. Les deux auteurs ont obtenu le prix Turing, l’équivalent du prix Nobel en informatique. John L. Hennessy est l’un des fondateurs du processeur MIPS étudié dans le module, il a été le tuteur des deux étudiants Larry Page et Sergey Brin lors de leur projet de fin d’étude pour la création du moteur de recherche Google. David A. Patterson est actuellement l’un des leaders de la fondation RISC-V, le processeur dit du future. Le livre contrairement au cours permet de prendre le temps et petit à petit d’approfondir et détailler minutieusement les différents aspects du domaine.

Il faut savoir que l’Intelligence Artificielle est une discipline qui monte de jour en jour en puissance, ça serait probablement l’une des technologies prédominante dans les décennies à venir, investir dès les premières années dans cette technologie serait inch-allah bénéfique à long terme. Il faut juste savoir que ce domaine est réputé d’avoir une appréciation théorique lourde, et un background mathématique et statistique poussée. J’ai eu l’opportunité dans mon ingéniorat de travailler sur les Réseaux de neurones, l’une des techniques les plus répondues dans le ML, j’ai aussi travaillé sur les Support Vector Machine et je me rappelle qu’il me fallait étudier en plus des notions en mathématique non étudiés dans le cursus normal d’informaticien, comme certaines notions d’optimisations et d’analyses mathématiques, des concepts et théories en statistique…etc. Quoique le livre présenté en haut se concentre sur l’aspect pratique du domaine, l’aspect théorique reste pas moins important et non négligeable que l’aspect pratique.