Apprentissage automatique et exploration de données pour les tendances émergentes en cyberdynamique : théories et applications
A

Apprentissage automatique et exploration de données pour les tendances émergentes en cyberdynamique : théories et applications

Apprentissage automatique
machine learning data mining cybersecurity big data anomaly detection intrusion detection systems cyber-physical systems
Auteur
Haruna Chiroma, Shafi’i M. Abdulhamid, Philippe Fournier-Viger, Nuno M. Garcia (Editors)
Éditeur
Springer Nature Switzerland AG
Année
2021
Langue
Anglais
40
Évaluer ce livre

Pour lire le livre, se connecter / s'inscrire

Aperçu du fragment

Livres similaires

Architecture des plateformes de données et de machine learning : permettre l'analytique et l'innovation pilotée par l'IA dans le cloud

Architecture des plateformes de données et de machine learning : permettre l'analytique et l'innovation pilotée par l'IA dans le cloud

Marco Tranquillin, Valliappa Lakshmanan, Firat Tekiner

Algorithmes d'apprentissage automatique utilisant les environnements Scikit et TensorFlow

Algorithmes d'apprentissage automatique utilisant les environnements Scikit et TensorFlow

Puvvadi Baby Maruthi, Smrity Prasad, Amit Kumar Tyagi

Machine Learning Pratique avec Scikit-Learn, Keras & TensorFlow : Concepts, Outils et Techniques pour Construire des Systèmes Intelligents

Machine Learning Pratique avec Scikit-Learn, Keras & TensorFlow : Concepts, Outils et Techniques pour Construire des Systèmes Intelligents

Aurélien Géron

Machine Learning Pratique avec Scikit-Learn et PyTorch : Concepts, Outils et Techniques pour Construire des Systèmes Intelligents

Machine Learning Pratique avec Scikit-Learn et PyTorch : Concepts, Outils et Techniques pour Construire des Systèmes Intelligents

Aurélien Géron

Mueller J. P., Massaron L. - L'Apprentissage Automatique Pour les Nuls, 2e Édition - 2021

Mueller J. P., Massaron L. - L'Apprentissage Automatique Pour les Nuls, 2e Édition - 2021

Machine Learning pour l'Inférence Causale

Machine Learning pour l'Inférence Causale

Sheng Li, Zhixuan Chu (Editors)

Machine Learning pour les Données Déséquilibrées : Gérer les ensembles de données déséquilibrés avec des techniques de machine learning et de deep learning

Machine Learning pour les Données Déséquilibrées : Gérer les ensembles de données déséquilibrés avec des techniques de machine learning et de deep learning

Kumar Abhishek, Dr. Mounir Abdelaziz

Machine Learning Q and AI : 30 questions essentielles et réponses sur le Machine Learning et l'IA

Machine Learning Q and AI : 30 questions essentielles et réponses sur le Machine Learning et l'IA

Sebastian Raschka

Machine Learning pour les Données Tabulaires : XGBoost, Deep Learning et IA

Machine Learning pour les Données Tabulaires : XGBoost, Deep Learning et IA

Mark Ryan, Luca Massaron

Machine Learning pour les Ingénieurs : Principes et Algorithmes via le Traitement du Signal et la Théorie de l'Information

Machine Learning pour les Ingénieurs : Principes et Algorithmes via le Traitement du Signal et la Théorie de l'Information

Osvaldo Simeone