Developpez.com

Plus de 14 000 cours et tutoriels en informatique professionnelle à consulter, à télécharger ou à visionner en vidéo.

Livres en français

31 livres et 36 critiques, dernière mise à jour le 2 juillet 2017 , note moyenne : 4.3

  1. Conception d'algorithmes - Principes et 150 exercices corrigés
  2. Data Scientist et langage R - Guide d'autoformation à l'exploitation des Big Data
  3. L'Intelligence Artificielle pour les développeurs - Concepts et implémentations en Java
  4. Rercherche d'information - Applications, modèles et algorithmes — data mining, décisionnel et big data
  5. Apprentissage machine - De la théorie à la pratique - Concepts fondamentaux en Machine Learning
  6. Pratique du calcul relationnel
  7. Les Bases du Traitement d'Image et de la Vision Industrielle et Robotique
  8. Métaheuristiques
  9. Recherche d'information - Applications, modèles et algorithmes
  10. Apprentissage artificiel - Concepts et algorithmes
  11. Algorithmique - Cours avec 957 exercices et 158 problèmes
  12. Intelligence artificielle
  13. Introduction à la cryptographie
  14. Introduction à l'algorithmique - 2e cycle - Ecoles d'ingénieurs
  15. Algorithmes de graphes
  16. Réseaux de neurones - Méthodologie et applications
  17. Réseaux bayesiens
  18. Simulation numérique en C++
  19. Compilateurs - Cours et exercices corrigés
  20. Programmation et Algorithmique en VBA pour Excel
  21. Introduction à la calculabilité
  22. Intelligence Artificielle
  23. Géométrie algorithmique
  24. Apprentissage statistique - Réseaux de neurones - Cartes topologiques - Machines à vecteurs supports
  25. Calculateurs, calculs, calculabilité
  26. Apprendre à programmer - Algorithmes et conception objet
  27. Algorithmique - Techniques fondamentales de programmation
  28. Algorithmique - Travaux Pratiques - Entraînez-vous et améliorez votre pratique de la programmation
  29. Compilateurs - Principes, techniques et outils
  30. L'Intelligence Artificielle pour les développeurs - Concepts et implémentations en C#
  31. Algorithmique - Coffret de 2 livres : Maîtrisez les fondamentaux de la programmation (avec des exemples en Java)
couverture du livre Conception d'algorithmes

drapeau
Détails du livre
Sommaire
Critiques (0)
 
 

Conception d'algorithmes

Principes et 150 exercices corrigés

de
Public visé : Intermédiaire

Résumé de l'éditeur

La conception des algorithmes : une science !

L'algorithmique est l'art et la science de concevoir des algorithmes corrects et efficaces. Pour beaucoup d'informaticiens, c'est l'aspect artistique qui prédomine : on cherche l'idée lumineuse, la structure cachée, la réponse astucieuse. Mais la conception des algorithmes est d'abord une science dont il faut posséder les bases et les techniques avant d'exprimer sa créativité. Ce livre invite le lecteur à une approche rigoureuse de la construction d'algorithmes. Il explique comment la même idée peut se retrouver dans plusieurs algorithmes correspondant à des problèmes différents. Il donne les outils pour analyser rationnellement un problème, le classer dans une famille de méthodes et produire une solution exacte.

Un manuel de référence sur la construction raisonnée des algorithmes

Dans chaque chapitre de ce livre, les bases théoriques et techniques sont rappelées et illustrées par des exemples. On y trouve ensuite un grand nombre d'exercices, accompagnés d'une correction minutieuse et complète. De la sorte, on y voit comment une démarche rationnelle permet d'atteindre une solution, exacte par construction, à travers une grande variété de cas. Après des rappels sur le raisonnement, les structures de données et la complexité, le livre parcourt les grandes méthodes de construction d'algorithmes : invariants, récursivité, essais successifs, méthodes PSEP, algorithmes gloutons, diviser pour régner, programmation dynamique. Au total, près de 150 exemples d'algorithmes sont ainsi analysés et construits rigoureusement.

Édition : Eyrolles - 818 pages , 1re édition, 25 février 2016

ISBN10 : 2212133669 - ISBN13 : 9782212133660

Commandez sur www.amazon.fr :

49.00 € TTC (prix éditeur 49.00 € TTC)
Mathématiques et informatiques : notions utiles
Complexité d'un algorithme
Spécification, invariants, itération
Diminuer pour résoudre, récursivité
Essais successifs
PSEP
Algorithmes gloutons
Diviser pour régner
Programmation dynamique
Aucune critique n'a été faite pour l'instant

couverture du livre Data Scientist et langage R

Note 3 drapeau
Détails du livre
Sommaire
Critiques (2)
0 commentaire
 
 

Data Scientist et langage R

Guide d'autoformation à l'exploitation des Big Data

de
Public visé : Intermédiaire

Résumé de l'éditeur

Tous les experts s'accordent à dire que 90% des usages du Big Data proviennent de l'utilisation des data sciences. L'objectif de ce livre est de proposer une formation complète et opérationnelle sur les data sciences qui permet de délivrer des solutions via l'usage du langage R.

Ainsi, l'auteur propose un parcours didactique et professionnalisant qui, sans autre pré-requis qu'un niveau Bac en mathématiques et une grande curiosité, permet au lecteur :
  • de s'intégrer à une équipe de data scientists,
  • d'aborder des articles de recherche possédant une haute teneur en mathématiques,
  • le cas échéant de développer en langage R, y compris des algorithmes nouveaux et de beaux graphiques,
  • ou tout simplement de manager une équipe projet comprenant des data scientists, en étant à même de dialoguer avec eux de façon efficace.


Le livre ne se cantonne pas aux algorithmes du "machine learning", il aborde divers sujets importants comme le traitement du langage naturel, les séries temporelles, la logique floue, la manipulation des images.

La dynamique de l'ouvrage soutient le lecteur pas à pas dans sa découverte des data sciences et l'évolution de ses compétences théoriques et pratiques. Le praticien en exercice y découvrira également de nombreux savoir-faire à acquérir et le manager pourra surfer sur l'ouvrage après avoir lu attentivement le bestiaire des data sciences de l'introduction, qui sans inexactitude ou vulgarisation excessive présente le sujet en faisant l'économie de mathématiques ou de formalismes dissuasifs.

Édition : ENI - 663 pages , 1er mars 2016

ISBN10 : 2409000436 - ISBN13 : 9782409000430

Commandez sur www.amazon.fr :

54.00 € TTC (prix éditeur 54.00 € TTC)
  • Introduction
  • Premiers pas avec R
  • Maîtriser les bases
  • Techniques et algorithmes incontournables
  • Cadre méthodologique du data scientist
  • Traitement du langage naturel
  • Graphes et réseaux
  • Autres problèmes, autres solutions
  • Feature Engineering
  • Compléments utiles
  • Annexes
Critique du livre par la rédaction Nicolas Vallée le 25 juillet 2016
Cet ouvrage est destiné à un public soucieux de découvrir le langage R et son utilisation pour manipuler des jeux de données, leur appliquer quelques grands algorithmes classiques et obtenir rapidement un rendu visuel.
Dans le premier chapitre, le lecteur trouvera plus de 50 pages présentant quelques concepts se cachant derrière le terme « big data », la présentation rapide de techniques de classification et d'apprentissage, puis une présentation (trop ?) succincte de l'écosystème Hadoop.
Les chapitres suivants seront une initiation au langage R, illustrée par des exemples de toutes les techniques évoquées au chapitre 1. Cette partie s'avèrera extrêmement dense, et très utile pour se former à l'utilisation pratique de R.

En revanche, un certain lectorat pourra, à juste titre, reprocher l'absence de recul et d'approche théorique. Finalement, le lecteur saura utiliser les outils, mais n'aura pas forcément la maturité nécessaire pour faire mieux qu'appliquer les recettes présentées en espérant que le résultat soit utilisable.
Critique du livre par la rédaction Thibaut Cuvelier le 1er juillet 2017
La « science des données » se veut à la mode, ce qui incite à la publication de nombreux livres sur ce sujet. Les axes d'approche sont multiples et variés : du côté purement académique (les algorithmes d'apprentissage, étudiés dans l'abstrait) à l'extrême pragmatique (utiliser ces algorithes commes des boîtes noires). Cet ouvrage se place entre ces deux extrêmes, ce qui le rend, de prime abord, intéressant pour un public large. La présence du terme (voire jargonnerie) « big data » donne l'impression qu'il sera sujet de grands volumes de données, mais l'auteur n'en traite que très rapidement, se focalisant sur les aspects de traitement des données, de leur visualisation et de l'application des algorithmes principaux d'apprentissage automatique.

D'une manière générale, ce livre déçoit par son manque de structure. Les sections se succèdent sans nécessairement avoir de lien entre elles, en présentant parfois approximativement des techniques issues des statistiques et de l'apprentissage automatique sans vraiment de recul. Par exemple, on aura droit à une présentation des data frames de R, très rapidement suivie de la notion d'arbre de décision — sans que les deux aient l'air liés d'une quelconque manière — ou encore à RCommander juste après une introduction à la notion de variable aléatoire. Cette construction déstructurée pourrait être avantageuse pour un public plutôt débutant, sans bagage conséquent en mathématiques ou en programmation, qui aura ainsi la possibilité de tester directement la syntaxe de R entre le chargement d'un jeu de données et son exploitation par apprentissage automatique, sans s'allourdir de considérations autres que pratiques. Néanmoins, une structure assumée aiderait certains à comprendre… et surtout à utiliser l'ouvrage comme référence.

Cet ouvrage contient une introduction à la programmation en R de manière intuitive, renforcée par quantité d'exemples : elle devrait donner les bases à ceux qui n'ont que très peu touché à la programmation, des bases suffisantes pour écrire leur propre code proprement — même en utilisant l'approche orientée objet. Cependant, par la suite, l'auteur ne convainc pas réellement que R est l'outil le plus approprié pour ce cas d'utilisation, notamment à cause du nombre d'avertissements égrainés tout au long de l'ouvrage, autant d'indicateurs que le langage est piégeux. Un bon nombre d'outils est présenté, mais très rarement approfondi : par exemple, dplyr est très rapidement présenté, mais tout aussi vite oublié, sans montrer réellement ses apports par rapport aux fonctionnalités de base de R.

Le premier chapitre du livre est néanmoins très intéressant, notamment pour son bestiaire de la science des données : tous les concepts de base y sont représentés, dont une série graphiquement. Les explications sont succinctes, parfois approximatives, mais facilitent la compréhension du domaine dans son ensemble, chaque élément menant au suivant.
L'autre chapitre qui fait sortir ce livre de la moyenne concerne le suivi d'un projet de développement dans le domaine de la science des données. Il devrait aider le lecteur à s'organiser en situation réelle, notamment en pointant les différences par rapport aux cycles de développement logiciel.

Tout au long de l'ouvrage, l'auteur ne suit qu'une seule approche : comprendre le jeu de données (à l'aide de graphiques, principalement) aide à le modéliser, c'est-à-dire à choisir et appliquer un algorithme d'apprentissage automatique. L'approche inverse, qui consiste à exploiter le résultat d'algorithmes d'apprentissage pour analyser les données, n'est reléguée qu'à quelques notes éparses (à peine parle-t-on de l'importance des variables déterminée par une forêt aléatoire). On a là l'impression que l'auteur a une bonne expérience du domaine, avec un biais très fort envers les solutions très pragmatiques, mais nettement moins envers la recherche, toujours florissante dans le domaine — un comble, quand l'un des objectifs annoncés du livre est de mener à un niveau de compréhension suffisant du domaine pour aborder la littérature scientifique de pointe. Les notions théoriques ne sont toutefois pas oubliées, avec des présentations assez détaillées en ce qui concerne les probabilités et variables aléatoires (jusqu'à préciser la définition d'une tribu !) ou encore l'algèbre linéaire — sans que ces rappels soient réellement mis en rapport avec le reste de l'ouvrage.

Certains sujets sont abordés de manière extrêmement superficielle (comme le traitement d'images ou encore la logique floue), les rendant strictement inutiles. D'autres le sont, mais sans que ce soit justifié (le niveau de détail des variables aléatoires ou encore l'optimisation par essaims) : ces outils ne sont pas mis en lien avec le reste des thèmes abordés.

En résumé, ce livre pourrait être utile pour des débutants dans le domaine, qui n'ont pas une grande expérience dans le domaine ou un bagage mathématique poussé. Ces gens pourront profiter du livre, en omettant les parties trop mathématiques abstraites. Cela ne signifie pas que, pour ce public, tous les objectifs annoncés sont atteints. Difficile d'être pleinement opérationnel après uniquement la lecture de ce livre, de « s'autoformer », même en approfondissant chacun des exemples. Par contre, le niveau d'exposition devrait être suffisant pour dialoguer en profondeur avec des personnes dont la science des données est le domaine de prédilection.




 Poster une réponse

Avatar de gorgonite gorgonite - Rédacteur/Modérateur https://www.developpez.com
le 25/07/2016 à 11:43
Data Scientist et langage R
Guide d'autoformation à l'exploitation des Big Data
Tous les experts s'accordent à dire que 90% des usages du Big Data proviennent de l'utilisation des data sciences. L'objectif de ce livre est de proposer une formation complète et opérationnelle sur les data sciences qui permet de délivrer des solutions via l'usage du langage R.

Ainsi, l'auteur propose un parcours didactique et professionnalisant qui, sans autre pré-requis qu'un niveau Bac en mathématiques et une grande curiosité, permet au lecteur :
  • de s'intégrer à une équipe de data scientists,
  • d'aborder des articles de recherche possédant une haute teneur en mathématiques,
  • le cas échéant de développer en langage R, y compris des algorithmes nouveaux et de beaux graphiques,
  • ou tout simplement de manager une équipe projet comprenant des data scientists, en étant à même de dialoguer avec eux de façon efficace.


Le livre ne se cantonne pas aux algorithmes du "machine learning", il aborde divers sujets importants comme le traitement du langage naturel, les séries temporelles, la logique floue, la manipulation des images.

La dynamique de l'ouvrage soutient le lecteur pas à pas dans sa découverte des data sciences et l'évolution de ses compétences théoriques et pratiques. Le praticien en exercice y découvrira également de nombreux savoir-faire à acquérir et le manager pourra surfer sur l'ouvrage après avoir lu attentivement le bestiaire des data sciences de l'introduction, qui sans inexactitude ou vulgarisation excessive présente le sujet en faisant l'économie de mathématiques ou de formalismes dissuasifs.

[Lire la suite]




couverture du livre L'Intelligence Artificielle pour les développeurs

Note 5 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

L'Intelligence Artificielle pour les développeurs

Concepts et implémentations en Java

de
Public visé : Débutant

Résumé de l'éditeur

Ce livre sur l'Intelligence Artificielle s'adresse particulièrement aux développeurs et ne nécessite pas de connaissances mathématiques approfondies. Au fil des chapitres, l'auteur présente les principales techniques d'Intelligence Artificielle et, pour chacune d'elles, les inspirations, biologiques, physiques voire mathématiques, puis les différents concepts et principes (sans entrer dans les détails mathématiques), avec des exemples et figures pour chacun de ceux-ci. Les domaines d'application sont illustrés par des applications réelles et actuelles. Chaque chapitre contient un exemple d'implémentation générique, complété par une application pratique, développée en Java. Ces exemples de code étant génériques, ils sont facilement adaptables à de nombreuses applications Java 8, sans plugin extérieur. Les techniques d'Intelligence Artificielle décrites sont :

- Les systèmes experts, permettant d'appliquer des règles pour prendre des décisions ou découvrir de nouvelles connaissances.
- La logique floue, permettant de contrôler des systèmes informatiques ou mécaniques de manière beaucoup plus souple que les programmes traditionnels.
- Les algorithmes de recherche de chemin, dont le A* très utilisé dans les jeux vidéo pour trouver les meilleurs itinéraires.
- Les algorithmes génétiques, utilisant la puissance de l'évolution pour apporter des solutions à des problèmes complexes.
- Les principales métaheuristiques, dont la recherche tabou, trouvant des optimums à des problèmes d'optimisation, avec ou sans contraintes.
- Les systèmes multi-agents, simulant des foules ou permettant des comportements émergents à partir de plusieurs agents très simples.
- Les réseaux de neurones, capables de découvrir et de reconnaître des modèles, dans des suites historiques, des images ou encore des données.

Pour aider le lecteur à passer de la théorie à la pratique, l'auteur propose en téléchargement sur le site www.editions-eni.fr, sept projets Java (réalisés avec Netbeans), un par technique d'Intelligence Artificielle. Chaque projet contient un package générique et un ou plusieurs packages spécifiques à l'application proposée.

Le livre se termine par une bibliographie, permettant au lecteur de trouver plus d'informations sur ces différentes techniques, une sitographie listant quelques articles présentant des applications réelles, une annexe et un index.

Édition : ENI - 484 pages , 1er décembre 2015

ISBN10 : 2746098431 - ISBN13 : 9782746098435

Commandez sur www.amazon.fr :

45.00 € TTC (prix éditeur 45.00 € TTC)
Avant-propos
1. Objectifs du livre
2. Public et prérequis
3. Structure du livre
4. Code en téléchargement

Introduction
1. Présentation du chapitre
2. Définir l’intelligence
3. L’intelligence du vivant
4. L’intelligence artificielle
5. Domaines d’application
6. Synthèse

Systèmes experts
1. Présentation du chapitre
2. Exemple : un système expert en polygones
2.1 Triangles
2.2 Quadrilatères
2.3 Autres polygones
3. Contenu d'un système expert
3.1 Base de règles
3.2 Base de faits
3.3 Moteur d'inférences
3.4 Interface utilisateur
4. Types d'inférences
4.1 Chaînage avant
4.1.1 Principe
4.1.2 Application à un exemple
4.2 Chaînage arrière
4.2.1 Principe
4.2.2 Application à un exemple
4.3 Chaînage mixte
5. Étapes de construction d'un système
5.1 Extraction des connaissances
5.2 Création du moteur d'inférences
5.3 Écriture des règles
5.4 Création de l'interface utilisateur
6. Performance et améliorations
6.1 Critères de performance
6.2 Amélioration des performances par l'écriture des règles
6.3 Importance de la représentation du problème
7. Ajout d’incertitudes et de probabilités
7.1 Apport des incertitudes
7.2 Faits incertains
7.3 Règles incertaines
8. Domaines d’application
8.1 Aide au diagnostic
8.2 Estimation de risques
8.3 Planification et logistique
8.4 Transfert de compétences et connaissances
8.5 Autres applications
9. Création d'un système expert en Java
9.1 Détermination des besoins
9.2 Implémentation des faits
9.3 Base de faits
9.4 Règles et base de règles
9.5 Interface
9.6 Moteur d'inférences
9.7 Saisie des règles et utilisation
10. Utilisation de Prolog
10.1 Présentation du langage
10.2 Syntaxe du langage
10.2.1 Généralités
10.2.2 Prédicats
10.2.3 Poser des questions
10.2.4 Écriture des règles
10.2.5 Autres prédicats utiles
10.3 Codage du problème des formes géométriques
10.4 Codage du problème des huit reines
10.4.1 Intérêt du chaînage arrière
10.4.2 Étude du problème
10.4.3 Règles à appliquer
10.4.4 Règles de conflits entre reines
10.4.5 But du programme
10.4.6 Exemples d'utilisation
11. Synthèse

Logique floue
1. Présentation du chapitre
2. Incertitude et imprécision
2.1 Incertitude et probabilités
2.2 Imprécision et subjectivité
2.3 Nécessité de traiter l'imprécision
3. Ensembles flous et degrés d’appartenance
3.1 Logique booléenne et logique floue
3.2 Fonctions d'appartenance
3.3 Caractéristiques d'une fonction d'appartenance
3.4 Valeurs et variables linguistiques
4. Opérateurs sur les ensembles flous
4.1 Opérateurs booléens
4.2 Opérateurs flous
4.2.1 Négation
4.2.2 Union et intersection
5. Création de règles
5.1 Règles en logique booléenne
5.2 Règles floues
6. Fuzzification et défuzzification
6.1 Valeur de vérité
6.2 Fuzzification et application des règles
6.3 Défuzzification
7. Domaines d’application
7.1 Première utilisation
7.2 Dans les produits électroniques
7.3 En automobile
7.4 Autres domaines
8. Implémentation d'un moteur de logique floue
8.1 Le cœur du code : les ensembles flous
8.1.1 Point2D : un point d'une fonction d'appartenance
8.1.2 EnsembleFlou : un ensemble flou
8.1.3 Opérateurs de comparaison et de multiplication
8.1.4 Opérateurs ensemblistes
8.1.5 Calcul du barycentre
8.2 Ensembles flous particuliers
8.3 Variables et valeurs linguistiques
8.3.1 Valeur linguistique
8.3.2 Variable linguistique
8.4 Règles floues
8.4.1 Expression floue
8.4.2 Valeur numérique
8.4.3 Règle floue
8.5 Système de contrôle flou
8.6 Synthèse du code créé
9. Implémentation d'un cas pratique
10. Synthèse

Recherche de chemins
1. Présentation du chapitre
2. Chemins et graphes
2.1 Définition et concepts
2.2 Représentations
2.2.1 Représentation graphique
2.2.2 Matrice d’adjacence
2.3 Coût d'un chemin et matrice des longueurs
3. Exemple en cartographie
4. Algorithmes naïfs de recherche de chemins
4.1 Parcours en profondeur
4.1.1 Principe et pseudo-code
4.1.2 Application à la carte
4.2 Parcours en largeur
4.2.1 Principe et pseudo-code
4.2.2 Application à la carte
5. Algorithmes "intelligents"
5.1 Algorithme de Bellman-Ford
5.1.1 Principe et pseudo-code
5.1.2 Application à la carte
5.2 Algorithme de Dijkstra
5.2.1 Principe et pseudo-code
5.2.2 Application à la carte
5.3 Algorithme A*
5.3.1 Principe et pseudo-code
5.3.2 Application à la carte
6. Domaines d’application
7. Implémentation
7.1 Nœuds, arcs et graphes
7.1.1 Implémentation des noeuds
7.1.2 Classe représentant les arcs
7.1.3 Graphes
7.2 Fin du programme générique
7.2.1 IHM
7.2.2 Algorithme générique
7.3 Implémentation des différents algorithmes
7.3.1 Recherche en profondeur
7.3.2 Recherche en largeur
7.3.3 Algorithme de Bellman-Ford
7.3.4 Algorihme de Dijkstra
7.3.5 Algorithme A*
7.4 Application à la carte
7.4.1 Gestion des tuiles
7.4.2 Implémentation de la carte
7.4.3 Programme principal
7.5 Comparaison des performances
8. Synthèse

Algorithmes génétiques
1. Présentation du chapitre
2. Évolution biologique
2.1 Le concept d'évolution
2.2 Les causes des mutations
2.3 Le support de cette information : les facteurs
2.4 Des facteurs au code génétique
2.5 Le « cycle de la vie »
3. Évolution artificielle
3.1 Principes
3.2 Vue d'ensemble du cycle
3.2.1 Phases d'initialisation et de terminaison
3.2.2 Phase de sélection
3.2.3 Phase de reproduction avec mutations
3.2.4 Phase de survie
3.3 Convergence
4. Exemple du robinet
4.1 Présentation du problème
4.2 Initialisation de l'algorithme
4.3 Évaluation des individus
4.4 Reproduction avec mutations
4.5 Survie
4.6 Suite du processus
5. Choix des représentations
5.1 Population et individus
5.2 Gènes
5.3 Cas d'un algorithme de résolution de labyrinthe
6. Évaluation, sélection et survie
6.1 Choix de la fonction d’évaluation
6.2 Opérateurs de sélection
6.3 Opérateurs de survie
7. Reproduction : crossover et mutation
7.1 Crossover
7.2 Mutation
8. Domaines d’application
9. Coévolution
10. Implémentation d'un algorithme génétique
10.1 Implémentation générique d'un algorithme
10.1.1 Spécifications
10.1.2 Paramètres
10.1.3 Individus et gènes
10.1.4 IHM
10.1.5 Processus évolutionnaire
10.2 Utilisation pour le voyageur de commerce
10.2.1 Présentation du problème
10.2.2 Environnement
10.2.3 Gènes
10.2.4 Individus
10.2.5 Programme principal
10.2.6 Résultats
10.3 Utilisation pour la résolution d'un labyrinthe
10.3.1 Présentation du problème
10.3.2 Environnement
10.3.3 Gènes
10.3.4 Individus
10.3.5 Modification de la fabrique
10.3.6 Programme principal
10.3.7 Résultats
11. Synthèse

Métaheuristiques d'optimisation
1. Présentation du chapitre
2. Optimisation et minimums
2.1 Exemples
2.2 Le problème du sac à dos
2.3 Formulation des problèmes
2.4 Résolution mathématique
2.5 Recherche exhaustive
2.6 Métaheuristiques
3. Algorithmes gloutons
4. Descente de gradient
5. Recherche tabou
6. Recuit simulé
7. Optimisation par essaims particulaires
8. Méta-optimisation
9. Domaines d’application
10. Implémentation
10.1 Classes génériques
10.2 Implémentation des différents algorithmes
10.2.1 Algorithme glouton
10.2.2 Descente de gradient
10.2.3 Recherche tabou
10.2.4 Recuit simulé
10.2.5 Optimisation par essaims particulaires
10.3 Résolution du problème du sac à dos
10.3.1 Implémentation du problème
10.3.2 Algorithme glouton
10.3.3 Descente de gradient
10.3.4 Recherche tabou
10.3.5 Recuit simulé
10.3.6 Optimisation par essaims particulaires
10.3.7 Programme principal
10.4 Résultats obtenus
11. Synthèse

Systèmes multi-agents
1. Présentation du chapitre
2. Origine biologique
2.1 Les abeilles et la danse
2.2 Les termites et le génie civil
2.3 Les fourmis et l'optimisation de chemins
2.4 Intelligence sociale
3. Systèmes multi-agents
3.1 L'environnement
3.2 Les objets
3.3 Les agents
4. Classification des agents
4.1 Perception du monde
4.2 Prise des décisions
4.3 Coopération et communication
4.4 Capacités de l'agent
5. Principaux algorithmes
5.1 Algorithmes de meutes
5.2 Optimisation par colonie de fourmis
5.3 Systèmes immunitaires artificiels
5.4 Automates cellulaires
6. Domaines d’application
6.1 Simulation de foules
6.2 Planification
6.3 Phénomènes complexes
7. Implémentation
7.1 Banc de poissons 2D
7.1.1 Les objets du monde et les zones à éviter
7.1.2 Les agents-poissons
7.1.3 L'océan
7.1.4 L'application graphique
7.1.5 Résultats obtenus
7.2 Tri sélectif
7.2.1 Les déchets
7.2.2 Les agents nettoyeurs
7.2.3 L'environnement
7.2.4 L'application graphique
7.2.5 Résultats obtenus
7.3 Le jeu de la vie
7.3.1 La grille
7.3.2 L'application graphique
7.3.3 Résultats obtenus
8. Synthèse

Réseaux de neurones
1. Présentation du chapitre
2. Origine biologique
3. Le neurone formel
3.1 Fonctionnement général
3.2 Fonctions d'agrégation
3.3 Fonctions d'activation
3.3.1 Fonction heavyside
3.3.2 Fonction sigmoïde
3.3.3 Fonction gaussienne
3.4 Poids et apprentissage
4. Perceptron
4.1 Structure
4.2 Condition de linéarité
5. Réseaux feed-forward
6. Apprentissage
6.1 Apprentissage non supervisé
6.2 Apprentissage par renforcement
6.3 Apprentissage supervisé
6.3.1 Principe général
6.3.2 Descente de gradient
6.3.3 Algorithme de Widrow-Hoff
6.3.4 Rétropropagation
6.4 Surapprentissage et généralisation
6.4.1 Reconnaître le surapprentissage
6.4.2 Création de sous-ensembles de données
7. Autres réseaux
7.1 Réseaux de neurones récurrents
7.2 Cartes de Kohonen
7.3 Réseaux de Hopfield
8. Domaines d'application
8.1 Reconnaissance de patterns
8.2 Estimation de fonctions
8.3 Création de comportements
9. Implémentation d'un MLP
9.1 Points et ensembles de points
9.2 Neurone
9.3 Réseau de neurones
9.4 IHM
9.5 Système complet
9.6 Programme principal
9.7 Applications
9.7.1 Application au XOR
9.7.2 Application à Abalone
9.7.3 Améliorations possibles
10. Synthèse

Sitographie

Annexe
Critique du livre par la rédaction Vincent PETIT le 21 juin 2017
Ce livre est une très bonne entrée en matière et s'adresse à toute personne, même non-initiée à l'informatique, souhaitant démystifier le domaine de l'Intelligence Artificielle.

L'auteur propose un panorama de divers thèmes avec une très grande simplicité, sans grandes équations mathématiques et sans connaissances particulières préalables. Il aborde de nombreuses techniques d'algorithmes appliquées en Intelligence Artificielle de manière très claire. Tout est très simplement expliqué, de l'origine de la théorie, en passant par l'explication via un exemple ludique, jusqu'à une implémentation. Les exemples proposés sont très bien détaillés et les codes proposés sont simples, sans complexités et écrits dans un but pédagogique fournissant ainsi une prise en main concrète et efficace des concepts.
La bibliographie et la sitographie donnent des pistes pour approfondir chaque thématique.

Ce livre n'a pas vocation à apporter une expertise dans le domaine de l'Intelligence Artificielle et d'autres références, plus théoriques, seront nécessaires pour compléter le sujet.


couverture du livre Rercherche d'information

Note 3.5 drapeau
Détails du livre
Sommaire
Critiques (1)
0 commentaire
 
 

Rercherche d'information

Applications, modèles et algorithmes — data mining, décisionnel et big data

de
Public visé : Intermédiaire

Résumé de l'éditeur

Le premier ouvrage francophone sur les algorithmes qui sous-tendent les technologies de big data et les moteurs de recherche !

Depuis quelques années, de nouveaux modèles et algorithmes sont mis au point pour traiter des données de plus en plus volumineuses et diverses. Cet ouvrage présente les fondements scientifiques des tâches les plus répandues en recherche d'information (Rl), tâches également liées au data mining, au décisionnel et plus générale-ment à l'exploitation du big data.

La deuxième édition de cet ouvrage propose un exposé détaillé et cohérent des algorithmes classiques développés dans ce domaine, abordable par des lecteurs qui cherchent à connaître le mécanisme des outils quotidiens d'Internet. De plus, le lecteur approfondira les concepts d'indexation, de compression, de recherche sur le Web, de classification et de catégorisation, et pourra prolonger cette étude avec les exercices corrigés proposés en fin de chapitre.

Ce livre s'adresse tant aux chercheurs et ingénieurs qui travaillent dans le domaine de l'accès à l'information et employés de PME qui utilisent en profondeur les outils du webmarketing, qu'aux étudiants de Licence, Master, écoles d'ingénieurs ou doctorants qui souhaitent un ouvrage de référence sur la recherche d'information.

Édition : Eyrolles - 294 pages , 2eédition, 3 janvier 2017

ISBN10 : 2212673760 - ISBN13 : 9782212673760

Commandez sur www.amazon.fr :

39.00 € TTC (prix éditeur 39.00 € TTC)
Représentation et indexation
Recherche d'information
Recherche sur le Web
Catégorisation de documents
Partitionnement de documents
Réseaux de neurones profonds
Recherche de thèmes latents
Considérations pratiques
Critique du livre par la rédaction Thibaut Cuvelier le 3 juin 2017
L'exploitation des données, dans toute la généricité des termes employés, est un terme qui revient très régulièrement dans toutes les libraires, avec quantité d'ouvrages sur le sujet. Cependant, fort peu nombreux sont ceux qui traitent du cas très particulier où les données sont textuelles : c'est exactement ce trou que veut combler ce livre. Son titre indique qu'il portera principalement sur la manière de rechercher de l'information utile dans une masse de documents, tel un moteur de recherche. C'est d'ailleurs à ce thème que sont dédiés les premiers chapitres. Les deux auteurs s'ouvrent à des sujets connexes qui traitent de l'exploitation d'une quantité de textes, comme leur classification ou l'extraction de thème latents. On peut regretter que certains mots aient été ajoutés à la couverture sans qu'ils soient réellement traités dans le livre : « data mining », « big data »…

Ces trois cents pages explorent le domaine avec une approche mathématique : les auteurs ne vous présentent pas d'outil-boîte noire à utiliser pour obtenir un résultat sans en comprendre le fonctionnement — ni les hypothèses à poser pour donner des résultats en des temps raisonnables. Les auteurs y passent d'ailleurs un certain temps. Au contraire, l'aspect pratique est relativement délaissé dans l'ouvrage, se concentrant sur les concepts principalement utilisés dans le domaine. Ainsi, contrairement à ce que la quatrième de couverture promet, il ne s'adresse pas tellement à un public de professionnels, mais plutôt d'étudiants et de chercheurs, dont l'objectif est d'atteindre un bon niveau de compréhension du domaine. En cela, le grand nombre de références vers des publications scientifiques de pointe pour approfondir les sujets abordés est une bonne chose. L'ouvrage pourra rester des années dans une bibliothèque sans prendre une ride.

Cependant, après avoir fini la lecture, difficile de mettre en pratique le contenu de l'ouvrage : c'est une chose que l'on peut regretter dans ce livre. Peu d'outils pratiques sont cités : quelques-uns sont égrainés à travers le texte (auquel cas peu de choix est proposé au lecteur), le dernier chapitre se consacre exclusivement à une liste raisonnée de logiciels. Par contre, leur mise en pratique est relativement occultée — à moins que l'on veuille écrire soi-même le code de chacun des algorithmes proposés (ils sont tous détaillés, pas simplement esquissés).

Le sujet est traité de manière relativement exhaustive et progressive, sans précipitation malvenue vers l'un ou l'autre sujet hyper pointu. Quand plusieurs formules sont régulièrement utilisées en pratique, les variantes sont détaillées et justifiées, pour indiquer dans quel cas l'une ou l'autre aura plus de sens. Néanmoins, le style est relativement sec, les auteurs entrent rapidement dans le vif du sujet, sans forcément chercher à justifier le pourquoi du comment. Certaines parties sont structurées au point de mettre d'abord les détails mathématiques, puis quelques utilisations potentielles par après — ce qui aura du mal à accrocher un lecteur qui ne voit pas la vie au travers d'équations. À ce niveau, quelques applications numériques ne feraient pas de mal dans le texte (elles sont rares), car elles aident à bien comprendre la mise en pratique de formules : le lien entre des séries de mots et des suites de chiffres n'est jamais aisé.

Au niveau de la structure globale de l'ouvrage, on peut principalement regretter que l'introduction de l'apprentissage automatique soit si tardive. Certes, cela aide à limiter les prérequis. Cependant, ce choix oblige les auteurs à de vagues formulations indiquant qu'il est possible d'utiliser ce genre d'algorithmes à certains endroits : le niveau de détail est insuffisant pour bien comprendre les tenants et les aboutissants de cette utilisation.

En mode mineur, on peut reprocher à certaines figures d'être relativement peu claires à comprendre. Une bonne partie du contenu du livre se trouve dans les exercices, qui donnent l'impression de ramasser toutes les parties théoriques moins importantes (les auteurs y présentent notamment l'algorithme AdaBoost, plutôt que de l'inclure dans la section sur les algorithmes d'apprentissage). Le chapitre sur les réseaux neuronaux profonds laisse sur sa faim : il présente les concepts essentiels aux réseaux neuronaux tels qu'ils étaient utilisés dans les années 1980 et 1990 (avant leur qualificatif de profond), mais la pratique dans le cadre de la recherche d'information est éclipsée en trois pages.




 Poster une réponse

Avatar de dourouc05 dourouc05 - Responsable Qt https://www.developpez.com
le 04/06/2017 à 13:11
Le premier ouvrage francophone sur les algorithmes qui sous-tendent les technologies de big data et les moteurs de recherche !

Depuis quelques années, de nouveaux modèles et algorithmes sont mis au point pour traiter des données de plus en plus volumineuses et diverses. Cet ouvrage présente les fondements scientifiques des tâches les plus répandues en recherche d'information (Rl), tâches également liées au data mining, au décisionnel et plus générale-ment à l'exploitation du big data.

La deuxième édition de cet ouvrage propose un exposé détaillé et cohérent des algorithmes classiques développés dans ce domaine, abordable par des lecteurs qui cherchent à connaître le mécanisme des outils quotidiens d'Internet. De plus, le lecteur approfondira les concepts d'indexation, de compression, de recherche sur le Web, de classification et de catégorisation, et pourra prolonger cette étude avec les exercices corrigés proposés en fin de chapitre.

Ce livre s'adresse tant aux chercheurs et ingénieurs qui travaillent dans le domaine de l'accès à l'information et employés de PME qui utilisent en profondeur les outils du webmarketing, qu'aux étudiants de Licence, Master, écoles d'ingénieurs ou doctorants qui souhaitent un ouvrage de référence sur la recherche d'information.
Rercherche d'information
Applications, modèles et algorithmes — data mining, décisionnel et big data
couverture du livre Apprentissage machine

Note 3.5 drapeau
Détails du livre
Sommaire
Critiques (1)
0 commentaire
 
 

Apprentissage machine

De la théorie à la pratique - Concepts fondamentaux en Machine Learning

de
Public visé : Débutant

Résumé de l'éditeur

Apprentissage machine et intelligence artificielle

L'apprentissage machine est l'un des domaines phares de l'intelligence artificielle. Il concerne l'étude et le développement de modèles quantitatifs permettant à un ordinateur d'accomplir des tâches sans qu'il soit explicitement programmé à les faire. Apprendre dans ce contexte revient à reconnaître des formes complexes et à prendre des décisions intelligentes. Compte tenu de toutes les entrées existantes, la complexité pour y arriver réside dans le fait que l'ensemble des décisions possibles est généralement très difficile à énumérer. Les algorithmes en apprentissage machine ont par conséquent été conçus dans le but d'acquérir de la connaissance sur le problème à traiter en se basant sur un ensemble de données limitées issues de ce problème.

Un ouvrage de référence

Cet ouvrage présente les fondements scientifiques de la théorie de l'apprentissage supervisé, les algorithmes les plus répandus développés suivant ce domaine ainsi que les deux cadres de l'apprentissage semi-supervisé et de l'ordonnancement, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. Nous avons eu ici le souci de fournir un exposé cohérent reliant la théorie aux algorithmes développés dans cette sphère. Mais cette étude ne se limite pas à présenter ces fondements, vous trouverez ainsi quelques programmes des algorithmes classiques proposés dans ce manuscrit, écrits en langage C (langage à la fois simple et populaire), et à destination des lecteurs qui cherchent à connaître le fonctionnement de ces modèles désignés parfois comme des boîtes noires.

À qui s'adresse ce livre ?

  • Aux élèves ingénieurs, étudiants de master et doctorants en mathématiques appliquées, algorithmique, recherche opérationnelle, gestion de production, aide à la décision.
  • Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes de classification, de partitionnement et d'ordonnancement à large échelle.

Édition : Eyrolles - 320 pages , 1re édition, 5 février 2015

ISBN10 : 2212138008 - ISBN13 : 9782212138009

Commandez sur www.amazon.fr :

39.00 € TTC (prix éditeur 39.00 € TTC)
  • Introduction à la théorie de l'apprentissage
  • Algorithmes d'optimisation convexe non-contrainte
  • Classification bi-classes
  • Classification multi-classes
  • Apprentissage semi-supervisé
  • Apprentissage de modèles d'ordonnancement
  • Annexes (rappels de probabilités, code programmes)
Critique du livre par la rédaction Thibaut Cuvelier le 8 juillet 2016
La science des données est un mot clé à la mode actuellement, puisque les entreprises cherchent à tirer le meilleur profit des informations enregistrées. L'un de ses principaux outils est l'apprentissage automatique, domaine actuellement aussi en explosion : il attire l'attention et les auteurs. Certains ouvrages ont une vocation purement pratique, en ignorant complètement les détails des algorithmes, ce qui empêche de comprendre ce qui se passe en cas de résultats insatisfaisants. Ce livre ne se place pas dans cette optique : il descend au cœur des méthodes d'apprentissage, avec les détails mathématiques afférents, de telle sorte que ces outils ne soient pas des boîtes noires. En cela, il s'oriente très clairement vers un public de chercheurs dans le domaine, d'utilisateurs conscients de leurs outils.

C'est aussi, probablement, son point faible : les détails mathématiques occultent le reste du contenu. Le formalisme y est poussé très loin, notamment pour s'accrocher autour de l'axe du principe de minimisation du risque empirique : cette organisation confère au document une remarquable cohérence, mais ignore les questions de mise en œuvre. Le titre indique pourtant un voyage de la théorie à la pratique : cette dernière est résumée à l'implémentation (en C, parfois K&R !) des algorithmes. Les traces d'utilisation réelle des algorithmes sont ténues… et nulle trace de motivation par des applications réelles du contenu. En réalité, en opposition avec son titre, le livre se destine, à peu près exclusivement, aux chercheurs, avec une abondance de preuves mathématiques, mais aussi de références vers la littérature.

On peut pointer quelques manques dans l'ouvrage, comme les arbres de décision et leurs multiples variantes comme les forêts aléatoires, mais aussi la régression, qui n'est pas traitée explicitement. Ils ne sont cependant pas gênants, bon nombre d'algorithmes sont déjà au programme (perceptrons, SVM, AdaBoost, par exemple). Par contre, la question de l'évaluation de la qualité d'un modèle généré n'est pas véritablement à l'ordre du jour, sauf dans le chapitre sur l'apprentissage de fonctions d'ordonnancement.

La mise en page est soignée et aide généralement la lecture. Certaines parties du texte sont encadrées, notamment des sections qui mettent en évidence des notions centrales ou qui récapitulent le chapitre. Cependant, les mêmes artéfacts esthétiques sont employés pour des preuves : sont-elles alors mises en avant par rapport au reste du texte ? Ce n'est pas clair.

Globalement, l'ouvrage est complet et axé sur la théorie, difficile d'accès pour des personnes n'ayant pas eu une formation universitaire poussée en mathématiques. Celui qui souhaite se mettre à l'apprentissage automatique dans la pratique en retirera néanmoins quelques avantages, principalement pour la désacralisation des méthodes employées.




 Poster une réponse

Avatar de dourouc05 dourouc05 - Responsable Qt https://www.developpez.com
le 09/07/2016 à 15:40
Apprentissage machine et intelligence artificielle

L'apprentissage machine est l'un des domaines phares de l'intelligence artificielle. Il concerne l'étude et le développement de modèles quantitatifs permettant à un ordinateur d'accomplir des tâches sans qu'il soit explicitement programmé à les faire. Apprendre dans ce contexte revient à reconnaître des formes complexes et à prendre des décisions intelligentes. Compte tenu de toutes les entrées existantes, la complexité pour y arriver réside dans le fait que l'ensemble des décisions possibles est généralement très difficile à énumérer. Les algorithmes en apprentissage machine ont par conséquent été conçus dans le but d'acquérir de la connaissance sur le problème à traiter en se basant sur un ensemble de données limitées issues de ce problème.

Un ouvrage de référence

Cet ouvrage présente les fondements scientifiques de la théorie de l'apprentissage supervisé, les algorithmes les plus répandus développés suivant ce domaine ainsi que les deux cadres de l'apprentissage semi-supervisé et de l'ordonnancement, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. Nous avons eu ici le souci de fournir un exposé cohérent reliant la théorie aux algorithmes développés dans cette sphère. Mais cette étude ne se limite pas à présenter ces fondements, vous trouverez ainsi quelques programmes des algorithmes classiques proposés dans ce manuscrit, écrits en langage C (langage à la fois simple et populaire), et à destination des lecteurs qui cherchent à connaître le fonctionnement de ces modèles désignés parfois comme des boîtes noires.

À qui s'adresse ce livre ?

  • Aux élèves ingénieurs, étudiants de master et doctorants en mathématiques appliquées, algorithmique, recherche opérationnelle, gestion de production, aide à la décision.
  • Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes de classification, de partitionnement et d'ordonnancement à large échelle.

Apprentissage machine
De la théorie à la pratique - Concepts fondamentaux en Machine Learning
couverture du livre Pratique du calcul relationnel

drapeau
Détails du livre
Critiques (0)
 
 

Pratique du calcul relationnel

de
Public visé : Intermédiaire

Résumé de l'éditeur


"Pratique du calcul relationnel" porte un intérêt tout particulier au calcul des relations mathématiques envisagées sous un angle pratique. Cet ouvrage vise à faire ressortir les caractéristiques de propriétés associées aux dites relations selon des contextes d'emploi différenciés.
La notion de relation est présente dans nos actes quotidiens dès lors qu’il y a mise en correspondance ou appariements entre objets, recherche d'analogie ou besoin d'établir des classes d'équivalence ou de connexité...Cette notion est omniprésente dans l'univers de notre discours avec des énoncés fréquents marquant les dépendances, éventuellement des liens de causalité, entre idées ou concepts. Son intérêt se voit également attesté à bien des endroits :
– en mathématique avec le concept d'application, en fait, une généralisation de mises en relation entre différentes variables,
– en logique formelle dans le calcul des prédicats avec les relations prédicatives,
– en logique floue quand par exemple des relations de similarité sont recherchées.
Bien plus que de s'attarder sur les fondamentaux d'une algèbre relationnelle on s'est focalisé dans cet ouvrage sur certains champs applicatifs aussi divers que : la généalogie, les différentes relations d'ordre dans les organisations et processus techniques, les classes propres aux relations, les partitions sur un champ observé, la structuration d'un espace temporel, etc. Des démarches algorithmiques ont également été proposées pouvant se révéler particulièrement intéressantes pour la prise en compte de processus industriels, l'amélioration de la mise en place de structures organisationnelles (recours aux relations de (pré)ordre les mieux adaptées). On a montré enfin comment certaines généralisations permettent de s'accommoder des univers où la connaissance est dite impropre, en ce sens, que les attributs la caractérisant se révèlent être flous (vague, imprécis, indéfinis, etc.).
Cet ouvrage s'adresse aussi bien à l'étudiant, à l'ingénieur mais aussi à l'honnête homme soucieux d'approfondir un point important de la mathématique, en pouvant s'exonérer d'entrer dans des considérations par trop académiques, en raison des illustrations prises dans la vie courante.

Édition : edilivre - 265 pages , 1re édition, 1er février 2016

ISBN10 : 9782332997500 - ISBN13 : 9782332997500

remarquable ouvrage, indispensable pour tout ingénieur et développeur en SGBD

Commandez sur www.amazon.fr :

0.00 € TTC (prix éditeur 47.00 € TTC)
Aucune critique n'a été faite pour l'instant

couverture du livre Les Bases du Traitement d'Image et de la Vision Industrielle et Robotique

drapeau
Détails du livre
Critiques (0)
0 commentaire
 
 

Les Bases du Traitement d'Image et de la Vision Industrielle et Robotique

de
Public visé : Débutant

Résumé de l'éditeur

En Imagerie, dans le cadre professionnel on peut être amené à :
  • superviser des applications, en tant que donneur d'ordres ;
  • concevoir et réaliser des applications, à partir d'opérateurs existants (utilisation d'une bibliothèque) ;
  • concevoir et réaliser des opérateurs de traitement d'image ou de vision, en tant que développeur, de manière à maîtriser
  • l'application dans sa totalité.

Ainsi, après avoir analysé ces trois différents besoins professionnels, le but de cet ouvrage est d'y répondre. Cet ouvrage s'adresse à un large public : du donneur d'ordres au développeur, à partir du niveau premier cycle universitaire (IUT / BTS), avec des connaissances moyennes en programmation (Langage C).

Édition : Lulu.com - 336 pages , 1re édition, 31 mai 2016

ISBN10 : 9781326400569 - ISBN13 : 9781326400569

Commandez sur www.amazon.fr :

0.00 $ TTC (prix éditeur 33.34 $ TTC)
Aucune critique n'a été faite pour l'instant



 Poster une réponse

Avatar de Francis Walter Francis Walter - Expert éminent sénior https://www.developpez.com
le 02/06/2016 à 20:18
Bonjour,

Je vous présente un livre écrit par Patrick Bonnin intitulé :

Citation Envoyé par Résumé
En Imagerie, dans le cadre professionnel on peut être amené à :
  • superviser des applications, en tant que donneur d'ordres ;
  • concevoir et réaliser des applications, à partir d'opérateurs existants (utilisation d'une bibliothèque) ;
  • concevoir et réaliser des opérateurs de traitement d'image ou de vision, en tant que développeur, de manière à maîtriser
  • l'application dans sa totalité.

Ainsi, après avoir analysé ces trois différents besoins professionnels, le but de cet ouvrage est d'y répondre. Cet ouvrage s'adresse à un large public : du donneur d'ordres au développeur, à partir du niveau premier cycle universitaire (IUT / BTS), avec des connaissances moyennes en programmation (Langage C).

couverture du livre Métaheuristiques

Note 4.5 drapeau
Détails du livre
Sommaire
Critiques (1)
commentaire
 
 

Métaheuristiques

de
Public visé : Intermédiaire

Résumé de l'éditeur

Les métaheuristiques et leurs applications

Les ingénieurs, les économistes, les décideurs se heurtent quotidiennement, quel que soit leur secteur d'activité, à des problèmes d'optimisation. Il peut s'agir de minimiser un coût de production, d'optimiser le parcours d'un véhicule ou le rendement d'un portefeuille boursier, de rationaliser l'utilisation de ressources, d'améliorer les performances d'un circuit électronique, de fournir une aide à la décision à des managers, etc.

Cet ouvrage présente une famille de techniques d'optimisation, appelées "métaheuristiques", adaptées à la résolution de problèmes pour lesquels il est difficile de trouver un optimum global ou de bons optimums locaux par des méthodes plus classiques.

Un ouvrage de référence illustré d'études de cas

La première partie de l'ouvrage présente les principales métaheuristiques : recuit simulé, recherche avec tabous, recherche à voisinages variables, méthode GRASP, algorithmes évolutionnaires, fourmis artificielles et essaims particulaires.

La deuxième partie décrit différentes variantes et extensions de ces méthodes, ainsi que de nouvelles voies de recherche. Y sont également proposés des conseils méthodologiques : techniques de modélisation, comparaisons de méthodes et choix de la méthode la mieux adaptée à un problème donné. La troisième partie présente trois études de cas réels : optimisation de systèmes logistiques, optimisation de tournées de véhicules et gestion de trafic aérien.

Édition : Eyrolles - 534 pages , 1re édition, 6 mars 2014

ISBN10 : 2212139292 - ISBN13 : 9782212139297

Commandez sur www.amazon.fr :

49.00 € TTC (prix éditeur 49.00 € TTC)
  • Présentation des principales métaheuristiques
    • La méthode du recuit simulé
    • La recherche avec tabous
    • La recherche à voisinages variables
    • Une procédure de recherche itérative en deux phases : la méthode GRASP
    • Les algorithmes évolutionnaires
    • Les fourmis artificielles
    • Les essaims particulaires
  • Variantes, extensions et conseils méthodologiques
    • Quelques autres métaheuristiques
    • Les autres algorithmes d'insectes sociaux
    • Extensions des algorithmes évolutionnaires à l'optimisation multimodale et l'optimisation multi-objectif
    • Extensions des algorithmes évolutionnaires à l'optimisation sous contraintes
    • Techniques de modélisation et comparaison de méthodes
  • Quelques domaines d'application
    • Techniques d'hybridation à base de métaheuristiques pour optimiser des systèmes logistiques
    • Métaheuristiques pour les problèmes de tournées de véhicules
    • Application en gestion du trafic aérien
  • Conclusion
Critique du livre par la rédaction Nicolas Vallée le 1er octobre 2014
Cet ouvrage est destiné à deux publics distincts.
D'un côté, les étudiants ou curieux souhaitant connaître les principales métaheuristiques, leurs faiblesses et les éventuelles mises en garde associées. En cela, cet ouvrage constitue un "survey" assez complet et facile d'accès.
De l'autre côté, cet ouvrage intéressera un public plus expérimenté souhaitant disposer d'un support francophone unique couvrant ce vaste domaine, tout en apportant des exemples d'hybridations réussies pour affronter des cas réels. D'ailleurs, la dernière partie nous plonge dans trois domaines d'application distincts.

L'ouvrage est bien écrit, bien illustré et reste abordable quel que soit le niveau du lecteur. En revanche, ce dernier ne doit pas en attendre des "recettes" prêtes à l'emploi ou du pseudo-code utilisable immédiatement. Tous les algorithmes sont décrits, mais il faudra un certain effort de modélisation du problème et des structures de données avant d'espérer aboutir à un résultat performant.


couverture du livre Recherche d'information - Applications, modèles et algorithmes

Note 4.75 drapeau
Détails du livre
Sommaire
Critiques (2)
0 commentaire
 
 

Recherche d'information - Applications, modèles et algorithmes

de
Public visé : Intermédiaire

Résumé de l'éditeur

Le premier ouvrage francophone sur les algorithmes qui sous-tendent les technologies de big data et les moteurs de recherche !

Depuis quelques années, de nouveaux modèles et algorithmes sont mis au point pour traiter des données de plus en plus volumineuses et diverses. Cet ouvrage présente les fondements scientifiques des tâches les plus répandues en recherche d'information (RI), tâches également liées au data mining, au décisionnel et plus généralement à l'exploitation de big data.

Il propose un exposé cohérent des algorithmes classiques développés dans ce domaine, abordable à des lecteurs qui cherchent à connaître le mécanisme des outils quotidiens d'Internet.

Le lecteur approfondira les concepts d'indexation, de compression, de recherche sur le Web, de classification et de catégorisation, et pourra prolonger cette étude avec les exercices corrigés proposés en fin de chapitre.

Ce livre s'adresse tant aux chercheurs et ingénieurs qui travaillent dans le domaine de l'accès à l'information et employés de PME qui utilisent en profondeur les outils du webmarketing, qu'aux étudiants de Licence, Master, doctorants ou en écoles d'ingénieurs, qui souhaitent un ouvrage de référence sur la recherche d'information.

Édition : Eyrolles - 234 pages , 1re édition, 12 avril 2013

ISBN10 : 2212135327 - ISBN13 : 9782212135329

Commandez sur www.amazon.fr :

37.05 € TTC (prix éditeur 39.00 € TTC) livraison gratuite !
  • Représentation et indexation
  • Recherche d'information
  • Recherche sur le Web
  • Catégorisation de documents
  • Partitionnement de documents
  • Recherche de thèmes latents
  • Considérations pratiques
Critique du livre par la rédaction benwit le 7 novembre 2013
Je viens de lire « Recherche d'information - Applications, modèles et algorithmes » de Massih-Reza Amini et de Éric Gaussier.
Ce petit livre traite des algorithmes qui sous-tendent les technologies de big data et les moteurs de recherche. Il fait partie de la collection Algorithmes de l'éditeur Eyrolles et comme tous les ouvrages de cette collection, il est destiné à un public scientifique (chercheurs, ingénieurs).
Dans ce genre d'ouvrage, ce que j'apprécie, c'est le formalisme utilisé. Je ne parle pas seulement des formules mathématiques, mais aussi des définitions de concepts tels qu'indexation, représentation et compression, recherche d'information, classification et partitionnement de documents.
Le livre décrit la chaîne complète d'indexation qui permet de construire l'ensemble du vocabulaire à partir d'une collection de documents ainsi que les algorithmes les plus répandus pour la construction de l'index inversé. Il présente les avantages et inconvénients des modèles de recherche d'information les plus courants : booléen, vectoriel et probabiliste. J'ai bien aimé l'approche des auteurs consistant à expliquer les motivations à l'origine de la conception des nouveaux modèles.
J'ai également trouvé intéressant le chapitre dédié à la recherche sur le Web et les pages en fin d'ouvrage relatives aux logiciels libres de recherche d'information, de catégorisation et de partitionnement.
En conclusion, c'est un livre que je recommande à ceux qui sont intéressés par le sujet s'ils font partie du public visé.
Critique du livre par la rédaction stoyak le 21 mai 2014
Je viens de finir la lecture de "Recherche d'information - Applications, modèles et algorithmes" de Massih-Reza Amini et Eric Gaussier.
Les auteurs proposent d'expliquer les fondements scientifiques de la recherche d'information et détaillent les algorithmes classiques sur lesquels sont basés les moteurs de recherche que nous utilisons chaque jour !
L'ensemble des concepts sont présentés (indexation, représentation et compression, classification et positionnement).

Un livre très intéressant mais à réserver à un public averti, même si les auteurs cherchent à rendre le sujet abordable ! Il comprend de nombreuses formules mathématiques (difficile pour ceux qui n'ont plus l'habitude !), de nombreux schémas et la définition très pointue de nombreux concepts. Et il est en français !
L'un des intérêts de ce livre est de proposer des exercices (corrigés !) après chaque chapitre. Cela permet au lecteur de valider ses acquis au fur et à mesure de la lecture. Par contre, il
est conseillé d'avoir "quelques" bases en statistique pour faciliter la compréhension.
Un chapitre est dédié à la recherche d'information sur le Web : il détaille le fonctionnement des robots d'indexation et le PageRank. Vous ne surferez plus bêtement !

Petit plus par rapport à d'autres livres ? Le chapitre sur les logiciels open source. Quelques uns sont décrits plus spécifiquement, en précisant le langage, la licence et le site.Vous pourrez ainsi passer à la pratique !

Pour conclure ? Un bon livre francophone pour aborder les notions fondamentales de la recherche d'information, les algorithmes de moteurs de recherche et les technologies de big data. A réserver toutefois à un public
scientifique (ingénieurs et chercheurs), aux utilisateurs des outils de Webmarketing, aux passionnés de la fouille de données... Avec des connaissances en statistique !




 Poster une réponse

Avatar de benwit benwit - Rédacteur https://www.developpez.com
le 10/11/2013 à 9:17
Bonjour,

Je viens de lire le livre : "Recherche d'information - Applications, modèles et algorithmes" de Massih-Reza Amini et Éric Gaussier.
J'ai posté une note de lecture à cette adresse http://algo.developpez.com/livres/?p...L9782212135329



Connaissez-vous ce livre ?
L'avez vous lu ?
Pensez vous le lire ?
couverture du livre Apprentissage artificiel

Note 4 drapeau
Détails du livre
Sommaire
Critiques (1)
7 commentaires
 
 

Apprentissage artificiel

Concepts et algorithmes

de
Public visé : Expert

Résumé de l'éditeur

Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web... Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples. Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique pour l'ensemble des techniques regroupées sous ce terme " d'apprentissage artificiel ". Ce livre s'adresse tant aux décideurs et aux ingénieurs qui souhaitent mettre au point des applications qu'aux étudiants de niveau Master 1 et 2 et en école d'ingénieurs, qui souhaitent un ouvrage de référence sur ce domaine clé de l'intelligence artificielle.

Édition : Eyrolles - 803 pages , 2eédition, 1er juin 2010

ISBN10 : 2212124716 - ISBN13 : 9782212124712

23 x 17 x 5 cm

Commandez sur www.amazon.fr :

52.92 € TTC (prix éditeur 55.07 € TTC) livraison gratuite !
  • Les fondements de l'apprentissage
    (list]
  • Première approche théorique de l'induction
  • Environnement méthodologique
[*]Apprentissage par exploration
  • Induction et relation d'ordre
  • Programmation logique inductive
  • Inférence grammaticale
  • Apprentissage par évolution
[*]Apprentissage par optimisation
  • Surfaces séparatrices linéaires
  • Réseaux connexionistes
  • Réseaux bayésiens
  • Modèles de Markov cachés
[*]Apprentissage par approximation et interpolation
(list][*]Classification non supervisée[*]Apprentissage par renforcement[/list][*]Annexes et bibliographie[/list]
Critique du livre par la rédaction nico-pyright(c) le 1er mai 2013
Un livre de référence mais pour un public précis.
Ouch ! C'est la première impression quand on tient le livre entre les mains. Beaucoup de pages (plus de 800) et puis il pèse son poids. Ensuite, si on feuillette un peu le livre, on se rend compte qu'il y a beaucoup de texte, mais également beaucoup de formules mathématiques.
En effet, ce livre se veut être une référence dans le domaine de l'apprentissage artificiel, mais il est en fait plutôt dédié aux étudiants qui cherchent un complément de cours ou aux chercheurs qui ont besoin d'une bonne compilation de tout ce qui existe dans le domaine. Par contre, il est inaccessible aux professionnels qui cherchent un peu à savoir comment tout cela fonctionne.
L'approche est très théorique, voire très (trop ?) mathématique. En revanche, elle a l'avantage de bien poser toutes les bases et d'ouvrir la réflexion sur l'apprentissage à un niveau presque philosophique.
Cependant, il y a tout dedans. Ecrit par des pointures du domaine, cet ouvrage constitue une bible à lire et à relire. Les exemples sont assez compréhensibles et appliqués à des domaines proches de nous.
On regrettera le manque d'applications pratiques et quelques codes sources auraient été les bienvenus.




 Poster une réponse

Avatar de nico-pyright(c) nico-pyright(c) - Rédacteur https://www.developpez.com
le 01/07/2013 à 11:04
Bonjour,

j'ai lu l'ouvrage Apprentissage artificiel - Concepts et algorithmes



Résumé de l'éditeur :
Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web... Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples. Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique pour l'ensemble des techniques regroupées sous ce terme " d'apprentissage artificiel ". Ce livre s'adresse tant aux décideurs et aux ingénieurs qui souhaitent mettre au point des applications qu'aux étudiants de niveau Master 1 et 2 et en école d'ingénieurs, qui souhaitent un ouvrage de référence sur ce domaine clé de l'intelligence artificielle.

Ma critique :
Un livre de référence mais pour un public précis.
Ouch ! C'est la première impression quand on tient le livre entre les mains. Beaucoup de pages (plus de 800) et puis il pèse son poids. Ensuite, si on feuillette un peu le livre, on se rend compte qu'il y a beaucoup de texte, mais également beaucoup de formules mathématiques.
En effet, ce livre se veut être une référence dans le domaine de l'apprentissage artificiel, mais il est en fait plutôt dédié aux étudiants qui cherchent un complément de cours ou aux chercheurs qui ont besoin d'une bonne compilation de tout ce qui existe dans le domaine. Par contre, il est inaccessible aux professionnels qui cherchent un peu à savoir comment tout cela fonctionne.
L'approche est très théorique, voire très (trop ?) mathématique. En revanche, elle a l'avantage de bien poser toutes les bases et d'ouvrir la réflexion sur l'apprentissage à un niveau presque philosophique.
Cependant, il y a tout dedans. Ecrit par des pointures du domaine, cet ouvrage constitue une bible à lire et à relire. Les exemples sont assez compréhensibles et appliqués à des domaines proches de nous.
On regrettera le manque d'applications pratiques et quelques codes sources auraient été les bienvenus.

L'avez-vous lu? Comptez-vous le lire bientôt?

Quel est votre avis?
Avatar de bertry bertry - Membre éclairé https://www.developpez.com
le 01/07/2013 à 17:36
Salut à tous,

J'ai eu l'occasion d'utiliser cet ouvrage, il est en effet très théorique et totalement inadapté pour une application pratique immédiate. Cet ouvrage est plus destiné à compléter un cours ou des connaissances par des bases solides qu'a un apprentissage à partir de zéro.

Sur un ouvrage de référence tel que celui-ci, une chose m'a beaucoup dérangé (J'en ai déjà parlé ici et je recommence):
J'ai utilisé en particulier (dans la deuxième édition) le chapitre 12: L'apprentissage de modèle de Markov cachés; j'y ai trouvé de nombreuses erreurs:
  • Dans les formules mathématiques (fautes de frappe, disparition de caractères ou de fin d'équation, et parfois tout ça dans une même ligne )
  • Dans les algorithmes (la fin de certaines lignes est absente, des valeurs de fin de boucle sont fausses)
  • Dans les valeurs numériques des exemples (De nombreux résultats sont totalement faux!!)

Pire encore: J'ai également eu l'occasion de consulter la première édition de ce livre. Non seulement la plupart des erreurs que j'ai trouvé dans la deuxième édition étaient déjà présentes dans la première édition, mais des erreurs supplémentaires sont apparues dans la deuxième édition!!!
J'avais cherché à l'époque un moyen de faire remonter l'info à l'éditeur, mais je n'y était pas parvenu...

Les autres chapitres que j'ai pu utiliser semblaient corrects.
Avatar de rambc rambc - Membre expérimenté https://www.developpez.com
le 03/07/2013 à 12:50
Bonjour,
aurais-tu par hasard gardé une trace de toutes ces erreurs ?
couverture du livre Algorithmique

Note 5 drapeau
Détails du livre
Sommaire
Critiques (2)
27 commentaires
 
 

Algorithmique

Cours avec 957 exercices et 158 problèmes

de
Public visé : Intermédiaire

Résumé de l'éditeur

Introduction complète à l'algorithmique, cette 3ème édition, révisée et mise à jour, comporte deux nouveaux chapitres, l'un sur les arbres de Van Emde Boas et l'autre sur les algorithmes multithreads. Plusieurs nouveaux énoncés d'exercices et de problèmes ont été ajoutés. Au total, plus de 920 exercices et 140 problèmes sont proposés. Cet ouvrage s'est aujourd'hui imposé comme une référence mondiale pour l'enseignement de l'algorithmique. Exhaustif et facile d'accès c'est un outil de travail complet et indispensable pour les étudiants et les professionnels de l'informatique.

L'éventail des algorithmes étudiés va des plus classiques, comme les algorithmes de tri et les fonctions de hachage, aux plus récents, comme ceux de la cryptographie, permettant ainsi de passer progressivement des notions élémentaires aux thèmes les plus pointus.

Les algorithmes sont rédigés en français et dans un pseudo-code proche des langages Pascal, C et Fortran. Ils sont analysés en profondeur et toujours complétés par des preuves mathématiques. De nombreux exemples, figures, études de cas et exercices de difficulté graduée viennent compléter les explications. Au total ce sont les énoncés de plus de 955 exercices et 155 problèmes qui sont proposés. Les solutions de 80 d'entre eux sont accessibles en ligne

Édition : Dunod - 1296 pages , 3eédition, 23 juin 2010

ISBN10 : 2100545264 - ISBN13 : 9782100545261

Commandez sur www.amazon.fr :

56.91 € TTC (prix éditeur 59.09 € TTC)
  • Introduction.
    • Rôle des algorithmes en informatique
    • Premier pas
    • Croissance des fonctions
    • Diviser pour régner
    • Analyse probabilistique et algorithmes randomisés
  • Tris et rangs.
    • Tri par tas
    • Tri rapide
    • Tri en temps linéaire
    • Médians et rangs
  • Structures de données.
    (list]
  • Structures de données élémentaires
  • Tables de hachage
  • Arbres binaires de recherche
  • Arbres rouge-noir
  • Extension des structures de données
[*]Techniques avancées de conception et d'analyse.
  • Programmation dynamique
  • Algorithmes gloutons
  • Analyse amortie
[*]Structures de données avancées.
  • B-Arbres
  • Tas de fibonacci
  • Arbres de van emde boas
  • Structures de données pour ensembles disjoints
[*]Algorithmes pour les graphes.
  • Algorithmes élémentaires pour les graphes
  • Arbres couvrants minimaux
  • Plus courts chemins à origine unique
  • Plus courts chemins entre toutes paire de sommets
  • Flot maximum
[*]Morceaux choisis.
(list][*]Algorithmes multithread[*]Calcul matriciel[*]Programmation linéaire[*]Polynômes et transformée de fourier rapide[*]Algorithmes de la théorie des nombres[*]Recherche de chaînes de caractères[*]Géométrie algorithmique[*]NP-complétude[*]Algorithmes d'approximation[/list][*]Annexes - Elément de mathématiques.
  • Sommes
  • Ensembles
  • Dénombrement et probabilités
  • Matrices
[/list]
Critique du livre par la rédaction benwit le 1er août 2011
L'algorithmique est au cœur de l'informatique et si vous souhaitez écrire des programmes, vous devez comprendre ses principes fondamentaux et connaître ses éléments de base. Il existe de multiples ouvrages sur le sujet et il n'est pas toujours évident de trouver celui qui vous conviendra. S'il est trop simple, vous en aurez vite fait le tour et comme pour les jeux faciles, son espérance de vie sera brève. S'il est plus riche, il vous sera profitable plus longtemps mais il ne faut pas pour autant que cela soit fait aux dépends de son accessibilité.

Ne cherchez plus, le livre "Algorithmique" de Cormen, Leiserson, Rivest et Stein est la référence en matière d'algorithmique.
Même si la discipline évolue, vous pouvez investir car c'est le genre d'ouvrage qui ne "vieillit" pas. Certes, c'est la troisième édition, mais quand on sait que c'est à raison d'une nouvelle édition tous les huit ans et que la refonte consiste principalement à améliorer la pédagogie, on ne peut qu'apprécier.
Ce livre est un pavé de 1200 pages et s'il a été vendu à plus de 20 000 exemplaires, ce n'est pas étonnant car il s'adresse à un public très large.

  • Les enseignants de deuxième et troisième cycle d'université trouveront un matériel de qualité pour la préparation de leurs cours ainsi que de nombreuses références bibliographiques.
  • Les étudiants trouveront un support de cours, des exercices et des problèmes complémentaires.
  • Les professionnels quant à eux pourront se référer aux sujets qui les intéressent et s'il existe de nombreuses librairies implémentant les principaux algorithmes dans plusieurs langages, il peut être utile de se rappeler les différents choix possibles.


On ne lit pas ce genre d'ouvrage comme un roman. Toutefois, les chapitres étant relativement indépendants entre eux, j'ai trouvé leur lecture agréable et très progressive. Ils commencent généralement par une problématique bien exposée, suivie de propositions qui s'enrichissent au fur et à mesure. Des schémas viennent illustrer la dynamique de l'algorithme étudié et des preuves mathématiques apportent de la rigueur. Enfin, des exercices connexes nous encouragent à poursuivre l'étude.

À ce sujet, notons des exigences contradictoires. D'un côté, des lecteurs qui souhaitent des solutions aux exercices. D'un autre, des enseignants qui savent que la présence de solutions n'encourage pas forcément la recherche. Les auteurs ont tranché en proposant en ligne la correction de seulement 10 % des exercices. Il est probable que ceux qui bloquent sur des problèmes leur reprocheront ce choix.

Certains reprocheront également la nouvelle syntaxe du pseudo-code (affectation avec = et comparaison avec ==) inspirée des principaux langages (C, C++, Java). Personnellement, cela ne m'a pas dérangé, et avec la suppression des mots superflus (faire, alors), je trouve le pseudo-code plus clair. En revanche, je me suis étonné de l'utilisation du français dans le pseudo-code à l'heure des langages de développement majoritairement anglophones. Finalement, ce choix se comprend pour un ouvrage didactique destiné à un public francophone.
En conclusion, je pense que tout développeur devrait avoir ce livre dans sa bibliothèque.
Critique du livre par la rédaction Nicolas Vallée le 1er août 2011
L'algorithmique est un prérequis indispensable à la modélisation de programmes informatiques effectuant des traitements non triviaux ou dont les ordres de grandeur dépasse les limites de ce qui est négligeable du point de vue temps machine ou consommation mémoire.

Pourtant, en plus d'être une discipline à part entière, l'algorithmique impacte également d'autres domaines informatiques. Chaque domaine a ses méthodes clés, associées à des structures de données particulières. Pourtant derrière ses spécificités se cachent souvent des situations plus générales, partie intégrante de l'algorithmique. Les connaissances à acquérir sont vastes et nécessitent parfois l'acquisition de différents ouvrages.

Par chance, un ouvrage tente de concentrer en un millier de pages l'ensemble de ces connaissances générales, afin de répondre aux besoins de la plupart des développeurs. Il s'agit du CLR(S) désormais disponible dans sa troisième édition. Cet ouvrage est un investissement utile, rien que pour tous les rappels que vous trouverez. Il est également utile pour des étudiants en informatique, qui y trouveront pédagogie et de nombreux exercices (tous ne sont pas corrigés par choix des auteurs).

Le seul défaut est la qualité "papier bible" assez surprenante... à manipuler avec précaution




 Poster une réponse

Avatar de Djug Djug - Expert éminent sénior https://www.developpez.com
le 17/08/2011 à 11:34
Bonjour,

La rédaction de DVP a lu pour vous l'ouvrage suivant:
Algorithmique -Cours avec 957 exercices et 158 problèmes, de Thomas Cormen, Charles Leiserson, Ronald Rivest, Clifford Stein



RÉSUMÉ DE L'ÉDITEUR

Introduction complète à l'algorithmique, cette 3ème édition, révisée et mise à jour, comporte deux nouveaux chapitres, l'un sur les arbres de Van Emde Boas et l'autre sur les algorithmes multithreads. Plusieurs nouveaux énoncés d'exercices et de problèmes ont été ajoutés. Au total, plus de 920 exercices et 140 problèmes sont proposés. Cet ouvrage s'est aujourd'hui imposé comme une référence mondiale pour l'enseignement de l'algorithmique. Exhaustif et facile d'accès c'est un outil de travail complet et indispensable pour les étudiants et les professionnels de l'informatique.

L'éventail des algorithmes étudiés va des plus classiques, comme les algorithmes de tri et les fonctions de hachage, aux plus récents, comme ceux de la cryptographie, permettant ainsi de passer progressivement des notions élémentaires aux thèmes les plus pointus.

Les algorithmes sont rédigés en français et dans un pseudo-code proche des langages Pascal, C et Fortran. Ils sont analysés en profondeur et toujours complétés par des preuves mathématiques. De nombreux exemples, figures, études de cas et exercices de difficulté graduée viennent compléter les explications. Au total ce sont les énoncés de plus de 955 exercices et 155 problèmes qui sont proposés. Les solutions de 80 d'entre eux sont accessibles en ligne

L'avez-vous lu? Comptez-vous le lire bientôt?

Quel est votre avis?

Voir aussi les cours et tutoriels algorithmique : http://algo.developpez.com/cours/
Avatar de Franck Dernoncourt Franck Dernoncourt - Membre émérite https://www.developpez.com
le 17/08/2011 à 19:30
Effectivement ce livre est incontournable pour quiconque voulant comprendre l'algorithmique. Beaucoup de questions posées sur ce forum (sur la complexité notamment) y ont d'ailleurs leur réponse.

Quelques précisions concernant la critique :

Citation Envoyé par Benwit
Vendu à plus de 20 000 exemplaires

Ca c'est pour la version française, la version anglaise en est à 500,000 (toutes versions confondues) en 20 ans, annonce fêtée il y a justement une semaine : Milestone for MIT Press’s bestseller.

Citation Envoyé par Benwit
Il est probable que ceux qui bloquent sur des problèmes leur reprocheront ce choix.

Le manuel des solutions de la seconde version est disponible en ligne (je remercie celui qui a pris le temps de le faire car personnellement je n'apprécie vraiment pas les exercices non corrigés). Je n'ai pas encore lu la troisième version, mais probablement la plupart des exercices sont les mêmes (Benwit, confirmes-tu ?).

Citation Envoyé par Benwit
Je me suis étonné de l'utilisation du français dans le pseudo-code à l'heure des langages de développement majoritairement anglophones. Finalement, ce choix se comprend pour un ouvrage didactique destiné à un public francophone.

Je lis rarement des ouvrages informatiques en français, mais cela ne me choque pas... je dirais que tu l'as bien mérité
Avatar de Acrim Acrim - Membre actif https://www.developpez.com
le 18/08/2011 à 10:51
Sans le message de Franck je ne me serai pas rendu compte qu'il s'agit de la version française de "Introduction to Algorithms". Si le contenu est effectivement le même, c'est un peu une bible de l'algorithmique (complet, bien illustré).
couverture du livre Intelligence artificielle

Note 5 drapeau
Détails du livre
Sommaire
Critiques (2)
8 commentaires
 
 

Intelligence artificielle

de
Public visé : Intermédiaire

Résumé de l'éditeur

Écrit par les experts de renommée mondiale, ce livre est la référence incontournable en matière d'intelligence artificielle (IA) dont il présente et analyse tous les concepts : logique, probabilités, mathématiques discrètes et du continu, perception, raisonnement, apprentissage, prise de décision et action.

Sa spécificité est de présenter l'IA à travers le concept des agents intelligents. Les auteurs exposent comment un système réussit à percevoir son environnement de manière à analyser ce qu'il s'y passe, et comment il transforme la perception qu'il a de son environnement en actions concrètes.

Parmi les sujets couverts :

- les contributions historiques des mathématiques, de la théorie des jeux, de l'économie, de la théorie des probabilités, de la psychologie, de la linguistique et des neurosciences ;
- les méthodes qui permettent de prendre des décisions lors de l'établissement d'un projet, en tenant compte des étapes à venir ;
- les différentes manières de représenter formellement les connaissances relatives au monde qui nous entoure ainsi que le raisonnement logique fondé sur ces connaissances ;
- les méthodes de raisonnement qui permettent d'établir des plans et donc de proposer des actions à entreprendre ;
- la prise de décisions en environnement incertain : réseaux bayésiens et algorithmes tels que l'élimination de variables et MCMC (Markov Chain Monte-Carlo) ;
- les méthodes employées pour générer les connaissances exigées par les composants de prise de décision : les algorithmes de boosting, l'algorithme EM (expectation-minimization), l'apprentissage à base d'exemples et les méthodes à noyaux (machines à vecteurs support) ;
- les implications philosophiques et éthiques de l'IA.
Chaque chapitre est illustré par de nombreux exemples et s'achève par des activités, qui vont des exercices de réflexion à des exercices de programmation, en passant par l'approfondissement des méthodes décrites, soit plus de 500 activités au total.

Cette 3e édition tient compte des derniers développements de la matière, concernant notamment les représentations qu'un agent peut utiliser (atomique, factorisée, structurée), les environnements partiellement observables et non déterministes, les planifications contingente et hiérarchique, les modèles probabilistes du premier ordre, l'apprentissage automatique, la recherche et l'extraction d'information sur le web et l'apprentissage à partir de très grandes bases de données.

Édition : Pearson Education - 1200 pages , 3eédition, 10 décembre 2010

ISBN10 : 2744074551 - ISBN13 : 9782744074554

Commandez sur www.amazon.fr :

68.04 € TTC (prix éditeur 68.04 € TTC)
I Intelligence artificielle
01. Introduction
02. Agents intelligents
II Résolution de problèmes
03. Résolution de problèmes par l'exploration
04. Au-delà de l'exploration classique
05. Exploration en situation d'adversité
06. Problèmes à satisfaction de contraintes
III Connaissances, raisonnement et planification
07. Agents logiques
08. Logique du premier ordre
09. L'inférence en logique du premier ordre
10. Planification classique
11. Planification et action dans le monde réel
12. Représentation des connaissances
IV Connaître et penser l'incertain
13. Quantification de l'incertitude
14. Raisonnement probabiliste
15. Raisonnement probabiliste temporel
16. Prises de décisions simples
17. Prises de décisions complexes
V Apprentissage
18. Apprendre à partir d'exemples
19. Connaissances et apprentissage
20. Apprentissage de modèles probabilistes
21. Apprentissage par renforcement
VI Communication, perception et action
22. Traitement du langage naturel
23. Langage naturel et communication
24. Perception
25. Robotique
26. Fondements philosophiques
27. IA : le présent et le futur
A. Rappels mathématiques
B. Notes sur les langages et les algorithmes
Critique du livre par la rédaction Julien Plu le 1er octobre 2011
Ce livre est le meilleure livre que j'ai pu lire sur le sujet de l'intelligence artificielle. Il aborde toutes les facettes de ce domaine avec des sujets d'actualités, ainsi en lisant ce livre on peut être au courant des problèmes et des solutions aux problèmes actuels. Les 500 exercices fournis vous aideront beaucoup à la compréhension des diverses leçons.
Malgré tout, un bon niveau en mathématique et en algorithmique est fort conseillé mais pas obligatoire. Cela vous permettra de mieux comprendre les algorithmes et les formules mathématiques données dans ce livre.
Autre bon côté de ce livre, contrairement à certains de ses concurrents, il n'utilise pas de langage de programmation précis, tous les algorithmes sont écrits en pseudo-code. Ainsi tout le monde peut les implémenter dans le langage qu'il souhaite, car il ne privilégie pas les amateurs de tel ou tel langage de programmation. Malgré tout, les auteurs proposent sur leur dépôt en ligne l'implémentation des algorithmes dans quelques langages comme Java, Python et C++.
C'est vraiment un ouvrage de pure théorie donc pour les personnes qui souhaitent avoir des exemples d'intelligence artificielle tout faits comme on peut en trouver dans des ouvrages habituels, passez votre chemin ce livre n'est pas fait pour vous. Vous ne trouverez dedans que des algorithmes, des formules mathématiques, des démonstrations mathématiques, des courbes explicatives, de la notation BNF (Backus Naur Form), etc.
Critique du livre par la rédaction benwit le 1er mars 2011
Ce livre est la traduction française de « Artificial Intelligence : a modern approach », troisième édition, de Stuart Russel et Peter Norvig, livre de référence en matière d'intelligence artificielle.
Ceux qui se méfient des traductions peuvent être rassurés. La relecture scientifique a été réalisée par Laurent Miclet, expert du domaine et auteur de « Apprentissage artificiel » .
Contrairement à ce dernier ouvrage, plus universitaire et dédié uniquement à l'apprentissage artificiel, celui-ci est plus général. Il traite de l'IA dans son ensemble, de ses fondements historiques, de la résolution de problèmes, de la connaissance, du raisonnement, de la planification, de l'apprentissage, de la communication, de la perception, de l'action, de robotique.
Après avoir défini l'IA comme l'étude des agents qui reçoivent des percepts de l'environnement et qui réalisent des actions, les auteurs se servent de cette idée d'agent intelligent pour explorer le domaine. Ce qui en fait un fil conducteur agréable à suivre.
Ce que j'ai également bien aimé, c'est que chaque chapitre commence par une petite phrase d'introduction et se termine par un résumé, des notes bibliographiques et historiques ainsi qu'une série d'exercices.
Du coup, j'ai trouvé l'ouvrage, bien que copieux, plutôt abordable. Je n'irais pas jusqu'à dire qu'il s'adresse à tout public mais si vous êtes intéressé par le domaine, pas seulement par l'aspect technique mais aussi par l'aspect philosophique, je vous le recommande.




 Poster une réponse

Avatar de Djug Djug - Expert éminent sénior https://www.developpez.com
le 25/03/2011 à 9:13
Benwit vous propose la critique du livre "Intelligence artificielle" de Stuart Russel



Écrit par les experts de renommée mondiale, ce livre est la référence incontournable en matière d'intelligence artificielle (IA) dont il présente et analyse tous les concepts : logique, probabilités, mathématiques discrètes et du continu, perception, raisonnement, apprentissage, prise de décision et action.

Sa spécificité est de présenter l'IA à travers le concept des agents intelligents. Les auteurs exposent comment un système réussit à percevoir son environnement de manière à analyser ce qu'il s'y passe, et comment il transforme la perception qu'il a de son environnement en actions concrètes.

Parmi les sujets couverts : - les contributions historiques des mathématiques, de la théorie des jeux, de l'économie, de la théorie des probabilités, de la psychologie, de la linguistique et des neurosciences ; - les méthodes qui permettent de prendre des décisions lors de l'établissement d'un projet, en tenant compte des étapes à venir ; - les différentes manières de représenter formellement les connaissances relatives au monde qui nous entoure ainsi que le raisonnement logique fondé sur ces connaissances ; - les méthodes de raisonnement qui permettent d'établir des plans et donc de proposer des actions à entreprendre ; - la prise de décisions en environnement incertain : réseaux bayésiens et algorithmes tels que l'élimination de variables et MCMC (Markov Chain Monte-Carlo) ; - les méthodes employées pour générer les connaissances exigées par les composants de prise de décision : les algorithmes de boosting, l'algorithme EM (expectation-minimization), l'apprentissage à base d'exemples et les méthodes à noyaux (machines à vecteurs support) ; - les implications philosophiques et éthiques de l'IA.

Chaque chapitre est illustré par de nombreux exemples et s'achève par des activités, qui vont des exercices de réflexion à des exercices de programmation, en passant par l'approfondissement des méthodes décrites, soit plus de 500 activités au total.

Cette 3e édition tient compte des derniers développements de la matière, concernant notamment les représentations qu'un agent peut utiliser (atomique, factorisée, structurée), les environnements partiellement observables et non déterministes, les planifications contingente et hiérarchique, les modèles probabilistes du premier ordre, l'apprentissage automatique, la recherche et l'extraction d'information sur le web et l'apprentissage à partir de très grandes bases de données.


Avez vous lu ce livre, pensez vous le lire ?
Avatar de Franck Dernoncourt Franck Dernoncourt - Membre émérite https://www.developpez.com
le 25/03/2011 à 13:51
Excellent livre, vraiment intéressant pour avoir une vue d'ensemble de l'intelligence artificielle, chose qui est parfois difficile pour une personne non familière avec l'IA.

Explications claires, structure des chapitres simple mais efficace, termes définis mis en évidence et nombreux exemples/exercices. Accessible au plus grand nombre je pense.

Par contre, avec 1200 pages, il faut avoir du temps à investir. A cela s'ajoutent les 200 pages du manuel des solutions des exos.

Bref, une des références du domaine, support de beaucoup de cours en IA dans le monde

Le site officiel du livre : http://aima.cs.berkeley.edu/
Avatar de Franck Dernoncourt Franck Dernoncourt - Membre émérite https://www.developpez.com
le 23/10/2011 à 16:28
Les gens intéressés par ce livre seront probablement intéressés par http://www.developpez.net/forums/d11...e-fall-2011-a/ également.
couverture du livre Introduction à la cryptographie

Note 4.5 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Introduction à la cryptographie

de
Traducteurs : Jacques Vélu

Résumé de l'éditeur

La cryptographie est un domaine clé des systèmes électroniques. Elle permet de conserver aux données leur caractère de confidentialité, de contrôler leur accès, d'identifier des documents (signature électronique)... Les utilisateurs de ces systèmes doivent être en mesure non seulement de comprendre comment ça marche mais aussi d'estimer l'efficacité de la sécurité d'un système. Ce livre présente les outils mathématiques et algorithmiques utiles en cryptographie.

Les techniques de base sont présentées avec un souci de concision et de clarté et sans formalisme mathématique excessif. Le cours est complété par des exercices simples dont les solutions (exercices impairs) sont données en fin d'ouvrage.

Édition : Dunod - 272 pages , 2eédition, 1er juin 2006

ISBN10 : 2100496220 - ISBN13 : 9782100496228

Commandez sur www.amazon.fr :

33.25 € TTC (prix éditeur 35.00 € TTC)
  • Les entiers
  • Congruences et classes résiduelles
  • Chiffrement
  • Probabilités et secret parfait
  • DES
  • AES
  • Fabrication de nombres premiers
  • Chiffrement à clés publiques
  • Factorisation
  • Logarithmes discrets
  • Fonctions cryptographiques de hachage
  • Signature digitale
  • Autres systèmes
  • Identification
  • Partage de secret
  • Infrastructure de clés publiques
Critique du livre par la rédaction Janitrix le 8 avril 2009
Voilà un bon livre sur la cryptographie d'un point de vue mathématique. J'avoue avoir été anxieux lors de la réception de ce livre. "Introduction à la cryptographie" est un titre qui peut être facilement mal interprêté.
Mais les premières pages nous mettent dans le bain : des mathématiques, en veux-tu en voilà. Tout d'abord, l'auteur rappelle quelques notions mathématiques basiques afin de ne perdre aucun lecteur en cours de route. Les premiers chapitres ne sont donc pas en rapport "direct" avec la cryptographie, mais simplement un rappel de quelques démonstrations et algorithmes élémentaires (notamment l'algorithme d'Euclide, le PGCD, probabilités), nécessaires à l'approche de la cryptographie.
Ainsi, après deux chapitres purement mathématiques, l'auteur nous plonge dans les entrailles du chiffrement, en définissant, toujours d'un point de vue mathématique, les notions générales de la cryptographie.
Suivant ce chapitre, l'auteur présente quelques algorithmes connus (RSA, DES, César, Vigenère et bien d'autres), puis la cryptanalyse et l'attaque des chiffres.
Enfin, deux chapitres couvrent l'étude des algorithmes de hachage et de signature digitale.
Ce livre est un complèment pour l'étudiant en école d'ingénieur, disposant d'exercices corrigés. Ainsi, le lecteur doit s'attendre à trouver la lecture difficile. Ce n'est pas un roman, aucune étude historique n'est faite de la cryptographie.
Malgré la volonté visible de l'auteur de faciliter la compréhension du lecteur, ce dernier devra avoir de bonnes connaissances en mathématiques pour ne pas être perdu, quitte à se replonger dans ses anciens cours.
Mon point de vue personnel est plutôt positif. Après avoir lu quelques livres sur la cryptographie d'un point de vue historique, je voulais en savoir plus sur le fonctionnement interne de cet art mystique. Si vous voulez savoir satisfaire votre curiosité à propos de la théorie de la cryptographie, ce livre est parfait.
Les explications de l'auteur sont pour la plupart claires, mais il faut prendre son temps pour lire. Je le répète, cela reste un livre très technique.
Si vous êtes curieux, si la cryptographie vous passione et si les mathématiques ne vous font pas peur, n'hésitez pas, vous ne serez pas déçu par ce livre.


couverture du livre Introduction à l'algorithmique

Note 5 drapeau
Détails du livre
Sommaire
Critiques (2)
 
 

Introduction à l'algorithmique

2e cycle - Ecoles d'ingénieurs

de

Résumé de l'éditeur

Cet ouvrage sans équivalent, exhaustif et d'accès facile est une introduction complète à l'algorithmique. Il s'adresse aussi bien aux étudiants qu'aux professionnels de l'informatique.

L'éventail des algorithmes étudiés dans ce livre va des plus classiques, comme les algorithmes de tri et les fonctions de hachage, aux plus récents, comme ceux de la cryptographie, permettant ainsi de passer progressivement des notions élémentaires aux thèmes les plus pointus.

Les auteurs, T. Cormen, C. Leiserson, R. Rivest et C. Stein, de renommée internationale, présentent tous les algorithmes dans un pseudo-code proche des langages Pascal, C et Fortran, ce qui les rend très faciles à comprendre et à implémenter. Les algorithmes et leurs propriétés sont analysés en profondeur. Ils sont toujours complétés par des preuves mathématiques et illustrés par de nombreux exemples, figures, études de cas et exercices de difficulté graduée. Au total ce sont plus de 920 exercices et 140 problèmes qui sont proposés.

La première édition s'était rapidement imposée comme un remarquable ouvrage de référence, aux États-Unis comme en France. Cette seconde édition, profondément remaniée, mise à jour et enrichie, reste plus que jamais un outil de travail complet et indispensable.

Édition : Dunod - 1146 pages , 2eédition, 1er octobre 2002

ISBN10 : 2100039229 - ISBN13 : 9782100039227

Broché, dimensions : 18 x 6 x 25

Commandez sur www.amazon.fr :

56.91 € TTC (prix éditeur 59.09 € TTC)
  • Introduction
    • Rôle des algorithmes en informatique
    • Premiers pas
    • Croissance des fonctions
    • Récurrences
    • Analyse probabiliste et algorithmes randomisés
  • Tri et rangs
    • Tri par tas
    • Tri rapide
    • Tri en temps linéaire
    • Médians et rangs
  • Structures de données
    • Structures de données élémentaires
    • Tables de hachage
    • Arbres binaires de recherche
    • Arbres rouge-noir
    • Extension d'une structure de données
  • Techniques avancées de conception et d'analyse
    • Programmation dynamique
    • Algorithmes gloutons
    • Analyse amortie
  • Structures de données avancées
    • B-Arbres
    • Tas binomiaux
    • Tas de Fibonacci
    • Structures de données pour ensembles disjoints
  • Algorithmes pour les graphes
    • Algorithmes élémentaires pour les graphes
    • Arbres couvrants de poids minimum
    • Plus courts chemins à origine unique
    • Plus courts chemins pour tout couple de sommets
    • Flot maximum
  • Morceaux choisis
    • Réseaux de tri
    • Calcul matriciel
    • Programmation linéaire
    • Polynômes et transformée rapide de Fourier
    • Algorithmes de la théorie des nombres
    • Recherche de chaînes de caractères
    • Géométrie algorithmique
    • NP-Complétude
    • Algorithmes d'approximation
  • Annexes : éléments de mathématiques
    • Sommations
    • Ensembles, etc.
    • Dénombrement et probabilités
Critique du livre par la rédaction Pascail le 15 septembre 2007
Un poids considérable, une qualité de papier surprenante, des schémas à foison, c'est la première impression que nous donne cette véritable encyclopédie des algos.
Tout développeur a eu besoin un jour d'un algorithme optimisé, seulement voilà, les études sont loin, et on fait généralement du code au "feeling" avec ce qu'il nous reste en tête.
Les thèmes abordés sont nombreux, cela va du simple tri à des techniques de cryptographie en passant par les inoubliables graphes.
Le livre est surtout axé mathématiques mais des exemples en pseudo code permettent d'adapter rapidement les algorithmes dans n'importe quel langage.
Dommage que pour les algos les plus avancés il n'y ait pas d'exemple de code, à part ce petit bémol, cet ouvrage est à posséder dans toute bonne bibliothèque.
Critique du livre par la rédaction Alp le 4 avril 2008
Ce livre est absolument indispensable. Il permet d'apprendre l'algorithmique à lui tout seul, mais peut également être utilisé comme support de cours pour les étudiants et comme "aide-mémoire" pour les développeurs et chefs de projet.
Néanmoins, ce livre repose beaucoup sur les mathématiques, notamment en ce qui concerne l'efficacité des algorithmes et leur optimalité, avec des calculs de complexité et des modélisations mathématiques de problèmes. Il ne faut toutefois pas oublier que l'algorithmique est assez liée aux mathématiques et c'est en ce sens que ce livre, à mon avis, a fait le bon choix. Si vous n'êtes pas trop familier avec le calcul asymptotique ou les probabilités, vous pourrez y remédier grâce aux annexes fournies.
En ce qui concerne l'aspect purement algorithmique du livre, rien à redire. On dispose de nombreux algorithmes, que l'on découvre et qui nous sont expliqués d emanière très claire. Ayant adoré ce livre, je regrette qu'il n'expose pas un peu plus d'algorithmes pour d'autres domaines, mais ce serait probablement trop pour un seul livre. J'aurais en réalité bien aimé disposer d'un ouvrage "Algorithmique avancée" de ces mêmes auteurs, mais ça n'est pas encore le cas.
Quoiqu'il en soit, si vous cherchez un ouvrage pour apprendre l'algorithmique ou vous perfectionner dans ce domaine, "Introduction à l'algorithmique" est celui qu'il vous faut. Ce livre est un excellent cocktail de clarté, de rigueur et d'efficacité, tout simplement.


couverture du livre Algorithmes de graphes

Note 5 drapeau CD-Rom
Détails du livre
Sommaire
Critiques (1)
 
 

Algorithmes de graphes

de
Public visé : Débutant

Résumé de l'éditeur

Les graphes et leurs algorithmes sont des outils mathématiques utilisés pour modéliser et résoudre des problèmes complexes dans des domaines aussi variés que l'optimisation (production industrielle, aide à la décision...), la conception de réseaux (électriques, routiers, télécoms...) ou la modélisation de systèmes évolutifs (économie, automatique...). L'objet de ce livre est de rendre ces techniques fondées sur la théorie des graphes accessibles à des non-mathématiciens et de montrer comment les mettre en oeuvre dans des cas concrets.

Une première partie introduit les notions d'optimisation combinatoire et de complexité des algorithmes, et donne un large panorama des méthodes existantes, des plus classiques aux plus récentes (recuit simulé, tabou...). La seconde partie traite des différents problèmes de graphes : chemins optimaux, flots, tournées, coloration, etc.

Les algorithmes, soigneusement justifiés, sont accompagnés de programmes en pseudo-code et en langage Delphi (Pascal objet), ainsi que d'exemples d'applications commentées. Le CD-Rom d'accompagnement offre une véritable boîte à outil logicielle qui permettra au lecteur de résoudre ses problèmes de graphes sans avoir à programmer lui-même : un outil idéal pour des travaux pratiques d'étudiants ou pour le prototypage rapide d'applications professionnelles. Les sources en langage Delphi, qui sont fournis pour tous les algorithmes du livre, peuvent être modifiés par les programmeurs et incorporés dans leurs propres applications.

A qui s'adresse l'ouvrage ? Aux étudiants en mathématiques appliquées, algorithmique, recherche opérationnelle, gestion de production, économie et finance, aide à la décision, etc. Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes complexes d'optimisation et d'aide à la décision.

Édition : Eyrolles - 424 pages , 2eédition, 1er octobre 2003

ISBN10 : 2212113854 - ISBN13 : 9782212113853

Commandez sur www.amazon.fr :

42.75 € TTC (prix éditeur 45.00 € TTC)
  • Introduction aux graphes
  • Complexité des algorithmes et problèmes difficiles
  • Résolution des problèmes difficiles
  • Implémentation objet des graphes
  • Explorations de graphes, composantes connexe et bipartisme
  • Problèmes de chemins optimaux
  • Problèmes de flots et de couplages
  • Arbres et arborescences
  • Parcours euleriens et hamiltoniens
  • Problèmes de coloration
Critique du livre par la rédaction Matthieu Brucher le 16 mai 2008
Comment aborder de manière efficace le difficile problème des graphes ? C'est à cette question que ce livre tente de répondre. Et il le fait bien. Les premiers chapitres sont une excellente introduction aux graphes, mais aussi à la complexité, son calcul et ses implications, et une implémentation de graphes.
En parlant de l'implémentation proposée par le livre, elle est faite en Delphi. Mais pour ceux qui voudraient l'implémenter dans d'autres langages, le livre leur donne des pistes pour les autres langages.
Les autres chapitres concernent les algorithmes de graphes proprement dit. La difficulté est croissante, ce qui permet de ne pas perdre le lecteur. Dans le même temps, chaque chapitre se termine par de multiples références pour que le lecteur puisse approfondir un sujet, au besoin. Malheureusement, elles sont souvent en anglais, mais avec une bonne introduction, ça passe mieux, ce qui est le cas ici.


couverture du livre Réseaux de neurones

Note 4 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Réseaux de neurones

Méthodologie et applications

de
Public visé : Intermédiaire

Résumé de l'éditeur

Les réseaux de neurones constituent aujourd'hui une technique de traitement de données bien comprise et maîtrisée, qui devrait faire partie de la boîte à outils de tout ingénieur soucieux de tirer le maximum d'informations pertinentes des données dont il dispose : effectuer des prévisions, de la fouille de données, élaborer des modèles, reconnaître des formes ou des signaux, etc.

joignant fondements théoriques et applications pratiques dans un langage accessible, cet ouvrage permettra aux décideurs, aux ingénieurs et aux chercheurs de bénéficier de méthodologies claires pour mettre en oeuvre les réseaux de neurones dans des applications industrielles, financières ou bancaires, dont de nombreux exemples sont présentés. Cette deuxième édition mise à jour et enrichie des derniers développements dans le domaine est accompagnée d'un CD-Rom contenant des d'exemples de modèles en C avec leurs données et d'un outil d'apprentissage dédié, Neuro One (version d'évaluation).

A qui s'adresse ce livre ? - Aux ingénieurs, informaticiens, industriels et décideurs ayant à résoudre des problèmes de modélisation, de reconnaissance, de prévision, de commande, etc. - Aux étudiants et élèves ingénieurs des disciplines scientifiques et économiques, et à leurs enseignants.

Édition : Eyrolles - 417 pages , 2eédition, 1er avril 2004

ISBN10 : 2212114648 - ISBN13 : 9782212114645

Broché, dimensions : 17 x 3 x 23

Commandez sur www.amazon.fr :

49.04 € TTC (prix éditeur 52.00 € TTC)
  • Les réseau de neurones : pourquoi et pour quoi faire ?
  • Modélisation à l'aide de réseaux de neurones : principes et méthodologie de conception de modèles
  • Compléments de méthodologie pour la modélisation : réduction de dimension et ré-échantillonnage
  • Identification "neuronale" de systèmes dynamiques commandés et réseaux bouclés (récurrents)
  • Apprentissage d'une commande en boucle fermée
  • La discrimination
  • Cartes auto-organisatrices et classification automatique
  • Réseaux de neurones sans apprentissage pour l'optimisation
  • Bibliographie commentée
  • Outils pour les réseaux de neurones (CDROM)
Critique du livre par la rédaction khayyam90 le 1er novembre 2007
Après une rapide introduction au concept de réseaux de neurones, le lecteur est plongé dans une description d'un grand nombre de types de réseaux de neurones différents avec pour chacun d'eux leurs propriétés et des domaines d'utilisation. Toutes ces présentations sont étroitement liées à des explications statistiques permettant de préparer et de traiter de manière optimale les données à manipuler dans le réseau.
Cet ouvrage traite des réseaux de neurones par un grand nombre d'aspects : algorithmique, statistique, algébrique, avec également des exemples d'applications aussi divers que variés pour notre plus grand bonheur. Il y en a pour tous les goûts.
Le lecteur pourra néanmoins être dérouté par l'excès de formalisme mathématique au détriment d'explications en langage naturel, c'est la raison pour laquelle il faut un solide bagage théorique/statistique/mathématique avant d'attaquer cet ouvrage. On appréciera au plus haut point les explications multiples pour un même concept et la mise en page très claire, mettant en évidence des encadrés "A retenir", "rappel" ou encore "définition", ainsi que des schémas nombreux et clairs. Bref, un ouvrage très utile mais d'une approche pas toujours évidente.


couverture du livre Réseaux bayesiens

Note 3.5 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Réseaux bayesiens

de
Public visé : Expert

Résumé de l'éditeur

Modèles de connaissances pour l'aide à la décision, le diagnostic ou le contrôle de systèmes complexes. Technique mathématique combinant statistiques et intelligence artificielle, les réseaux bayésiens permettent d'analyser de grandes quantités de données pour en extraire des connaissances utiles à la prise de décision, contrôler ou prévoir le comportement d'un système, diagnostiquer les causes d'un phénomène, etc. Les réseaux bayésiens sont utilisés dans de nombreux domaines : santé (diagnostic, localisation de gènes), industrie (contrôle d'automates ou de robots), informatique et réseaux (agents intelligents), marketing (data mining, gestion de la relation client), banque et finances (scoring, analyse financière), management (aide à la décision, knowledge management, gestion du risque), etc. Fondements théoriques, méthodologie de mise en oeuvre, exemples d'application et panorama des outils.

Après une première partie de présentation "intuitive" des réseaux bayésiens accompagnée d'exercices, la deuxième partie du livre en expose les fondements théoriques, avec une étude détaillée des algorithmes les plus importants.

Résolument pratique, la troisième partie de l'ouvrage propose une méthodologie de mise en oeuvre, un panorama des domaines d'application, trois études de cas détaillées, ainsi qu'une présentation des principaux logiciels de modélisation de réseaux bayésiens (Bayes Net Toolbox, BayesiaLab, Hugin et Netica).

À qui s'adresse l'ouvrage ? Aux ingénieurs, informaticiens, industriels, biologistes, économistes confrontés à des problèmes d'analyse de données, d'aide a la décision, de gestion des connaissances, de diagnostic ou de contrôle de systèmes. Aux étudiants en mathématiques appliquées, algorithmique, économie, recherche opérationnelle, gestion de production, automatique.

Édition : Eyrolles - 298 pages , 2eédition, 1er avril 2004

ISBN10 : 2212111371 - ISBN13 : 9782212111378

Commandez sur www.amazon.fr :

37.05 € TTC (prix éditeur 39.00 € TTC)
  • INTRODUCTION AUX RESEAUX BAYESIENS
    • Approche intuitive
    • Introduction aux algorithmes : inférence, apprentissage
    • Exercices corrigés
  • CADRE THEORIQUE ET PRESENTATION DETAILLEE DES ALGORITHMES
    • Modèles
    • Propagations
    • Apprentissage
  • METHODOLOGIE DE MISE EN OEUVRE ET ETUDES DE CAS
    (list]
  • Mise en oeuvre des réseaux bayésiens
  • Panorama des applications
  • Étude de cas n° 1 : gestion des risques (EDF)
  • Étude de cas n° 2 : modélisation d'un réseau électrique (EDF)
  • Étude de cas n° 3 : application de scoring pour la vente de crédit en ligne
[/list]
Critique du livre par la rédaction Matthieu Brucher le 11 juin 2008
Comme on pouvait s'y attendre devant ce sujet, le livre est tout de même difficile à comprendre.
Heureusement, les auteurs ont commencé par une petite partie introductive abordable - même s'il faudra chercher dans les annexes les notations pour comprendre les équations, moins une étoile pour cela - suffisamment simple pour que toute personne ayant une notion de probabilité puisse comprendre.
Attention, que ceux qui ne connaissent rien des probabilités et de la règle de Bayes passent leur chemin. Oui, les réseaux bayesiens permettent de résoudre beaucoup de problèmes, mais ce livre ne vous apprendra pas les bases indispensables de la statistique et des probabilités, ce n'est pas non plus son objectif.
La deuxième partie est la partie complexe, celle qui énonce les théorèmes et les algorithmes. A la première lecture, on ne comprend pas tout, c'est normal, il faut se replonger plusieurs fois dedans pour voir vraiment ce qui se passe, pour pouvoir comprendre en détail les algorithmes.
La dernière partie permet de ce faire une idée de ce qu'on peut réaliser avec des réseaux bayesiens. La pratique est en effet indispensable pour comprendre ce vaste sujet. En revanche, aucun code n'est fourni, on est invité à regarder ce que le commerce propose de libre ou de payant, on reste donc un peu sur sa faim à ce niveau, mais n'oublions pas que ce sujet est complexe, et que les programmes sur les réseaux bayesiens sont relativement récents, donc fournir un code source pour ces objets n'est pas chose facile.


couverture du livre Simulation numérique en C++

Note 3.5 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Simulation numérique en C++

de

Résumé de l'éditeur

La simulation numérique est devenue un outil de compréhension et de contrôle irremplaçable dans de très nombreux domaines comme la physique, la mécanique, la biologie, la finance, l'industrie… Cet ouvrage présente les techniques les plus avancées pour la simulation et la programmation en C++ de systèmes modélisés par des équations aux dérivées partielles (EDP).

Édition : Dunod - 352 pages , 1re édition, 1er février 2003

ISBN10 : 2100069756 - ISBN13 : 9782100069750

Commandez sur www.amazon.fr :

33.73 € TTC (prix éditeur 35.05 € TTC)
  • Introduction au calcul numérique
  • Algorithmes et techniques avancées
  • La plus simple des méthodes d'éléments finis
  • Graphiques
  • Triangulations automatiques
  • Une méthode intégrale tridimensionnelle
  • Différienciation automatique
  • De C++ à Java
  • Création d'un langage utilisateur
Critique du livre par la rédaction Matthieu Brucher le 6 juillet 2008
Difficile de donner un avis objectif sur ce livre, il couvre des domaines très différents.

La partie C++ est décevante de point de vue, On attend plus d'un livre sorti en 2003 qui ne parle même pas de la STL ! Il est dommage de consacrer une grande partie du livre au C++ sans parler des véritables avantages du C++ et des bibliothèques existantes pouvant résoudre les problèmes présentés. On passera sur la partie Java et celle créant un langage utilisateur, autant utiliser un langage prouvé (Python par ex). Un intérêt peut être porté à la partie OpenGL, à titre d'introduction.

En revanche, la partie sur la simulation numérique est donc purement sur les méthodes à éléments finis. Il faut s'accrocher, mais c'est normal, il ne s'agit pas d'un livre consacré à ces méthodes, mais sur leur approche programmatoire (un précédent ouvrage est consacré à la partie algorithmie, Introduction au calcul scientifique). La difficulté s'accroit au fur et à mesure, c'est appréciable de ne pas se retrouver directement au dernier chapitre.

On regrettera toutefois le manque d'explications sur certains termes, qui sont considérés comme acquis, mais qu'un programmeur ne connaîtra pas forcément, contrairement à un étudiant dans le domaine (la modélisation), il faut donc s'armer d'Internet pour compléter sa lecture (la connaissance de l'analyse numérique ne suffit pas, malgré ce qui est indiqué dans l'introduction du livre).


couverture du livre Compilateurs

Note 4.5 drapeau
Détails du livre
Sommaire
Critiques (2)
 
 

Compilateurs

Cours et exercices corrigés

de
Public visé : Intermédiaire

Résumé de l'éditeur

Un compilateur est l'une des parties les plus vitales d'un système informatique. Il permet de traduire un programme écrit en langage évolué (comme Pascal, Ada, C++ ou Java) en un langage simplifié que la machine est capable de comprendre et d'exécuter. Cet ouvrage décrit des techniques de compilation adaptées à tous les langages, logiques, distribués, fonctionnels et orientés objets.

Des techniques d'optimisation et des outils de compilation automatique sont aussi présentés. Des exercices corrigés complètent le cours.

Édition : Dunod - 800 pages , 1re édition, 1er janvier 2002

ISBN10 : 2100058878 - ISBN13 : 9782100058877

Commandez sur www.amazon.fr :

56.91 € TTC (prix éditeur 59.09 € TTC)
  • Introduction
  • Du texte du programme à l'arbre abstrait
  • Décoration de l'arbre abstrait : le contexte
  • Traitement du code intermédiaire
  • Gestion de la mémoire
  • Programmes impératifs et orientés objet
  • Programmes fonctionnels
  • Programmes logiques
  • Programmes parallèles et distribués
  • Un compilateur/interprète orienté objet simple
Critique du livre par la rédaction millie le 1er octobre 2010
Cet ouvrage de près de 800 pages très complet traite de tous les outils permettant la conception et la réalisation d'un compilateur. Même si la difficulté est progressive, le livre reste assez délicat à appréhender, mais la réalisation d'un compilateur est de toute manière quelque chose de très difficile.

Le cours traite d'abord des outils théoriques utilisés dans la réalisation d'un compilateur : analyseur lexicale, analyseur syntaxique et analyseur sémantique. Les notions de bases en théorie du langage sont également revues : langage, grammaire, automate, automate à pile... De nombreux détails sont donnés, notamment au niveau des optimisations possibles.
Les auteurs ont donné de nombreux exemples pour permettre de créer un analyseur lexical et un analyseur syntaxique. Soit directement, soit en utilisant un outil externe comme Lex et Yacc (exemples en langage C).

J'ai particulièrement apprécié certains chapitres, notamment l'introduction à des théories un peu à part tel que la gestion de l'allocation dynamique (comment éviter la fragmentation de la mémoire...) et la création d'un ramasse-miette (souvent appelé Garbage Collector).
Ce livre ne s'arrête pas à l'explication de la compilation d'un langage impératif de haut niveau vers un langage impératif de bas-niveau, ce qui est souvent le cas avec ce type de cours, mais explique en détails les techniques de compilation pour des langages fonctionnels, objets et logique, tout en détaillant de nombreuses optimisations possibles. Un chapitre introduit même des outils pour permettre de paralléliser ou de distribuer des algorithmes simples.

Pour finir, le cours donne un exemple complet de réalisation d'un compilateur en Java.
Pour résumer, ce cours est très complet et touche à tous les domaines de la compilation. Des exercices sont proposés à chaque fin de chapitre et de nombreux exemples pratiques sont donnés. Si le lecteur souhaite en savoir d'avantage, la bibliographie est recapitulé pour chaque chapitre, ce qui permet de rapidement s'y retrouver.
Critique du livre par la rédaction Matthieu Brucher le 13 décembre 2010
On ne parle pas ici des dernières techniques d'optimisation, mais bien de l'architecture et du design d'un compilateur, les fameux front-ends et back-ends. On ne parle pas non plus des techniques utilisées apr les compilateurs les plus récents qui sont cités tout au plus.
En revanche, les différentes étapes de transformation d'un programme sont exposées de manière plus ou moins claire. Il est dommage de connaître un peu les parseurs pour comprendre le chaître qui leur est consacré, tellement les explications sont succintes et donc le chapitre est un peu obscure - on n'explique pas clairement ce qu'est un parseur LL(n) ou LR(n) et leur dérivés, on doit trouver l'explication en inférant sur les éléments donnés -. en revanche, on comprend mieux au fur et à mesure, l'habitude du livre, sans doute.
Contrairement à d'autres livres dont j'ai pu regarder la table des matières, ce livre prend beaucoup de temps pour exposer les spécificités des langages qu'on utilise plus ou moins couremment. Par exemple pour les langages logiques, on n'utilisera pas les mêmes systèmes d'optimisation et de création que pour un langage impératif. On parle toujours de transformer ces langages en C ou C++ qui sera lui utilisé par un compilateur standard.

Dans l'ensemble, un très bon livre plutôt orienté vers les débutants en programmation de compilateurs et les gens désireux d'apprendr eun peu plus sur les compilateurs, même si les premiers devront définitivement compléter leur lecture par des ouvrages spécifiques à chaque sous-partie.


couverture du livre Programmation et Algorithmique en VBA pour Excel

Note 4.75 drapeau
Détails du livre
Sommaire
Critiques (2)
 
 

Programmation et Algorithmique en VBA pour Excel

de

Résumé de l'éditeur

L'objectif de ce manuel est d'expliquer les bases de la programmation impérative et de l'algorithmique aux débutants en informatique (étudiants en licence ou écoles d'ingénieurs, mais aussi étudiants de master d'autres disciplines, désirant acquérir une seconde compétence). L'ouvrage s'attache à présenter des notions fondamentales et des principes généraux des langages de programmation. Le choix de l'environnement de programmation VBA (Visual Basic for Application) appliqué au logiciel Excel, permet d'écrire rapidement des programmes à la fois intéressants sur le plan pédagogique et attractifs pour les étudiants. Le cours présente les différentes notions abordées en les illustrant par de nombreux exemples. Des exercices corrigés accompagnent chaque chapitre et un chapitre de problèmes de synthèse clôt la présentation. L'ouvrage comporte neuf chapitres qui s'organisent en trois volets. Le premier est consacré à l'étude de la programmation : structures de contrôle, fonctions, procédures et macros, programmation objet en VBA... Le deuxième est une initiation à l'algorithmique : méthodes de recherche et de tri, algorithmes, implémentations et analyse de complexité. Le troisième propose une étude de l'algorithme de mise à jour du tableur, qui assure la cohérence globale de l'affichage de la feuille de calcul. Des compléments sur la prise en main d'Excel et de VBA sont également disponibles en annexe, ainsi qu'un résumé des connaissances nécessaires concernant le tableur, et un manuel de référence pour le langage utilisé dans le livre. Un site compagnon propose aussi des documents complémentaires et les codes sources de différents exercices.

A propos des auteurs
Anne Brygoo, Maryse Pelletier, Michèle Soria et Séverine Dubuisson sont enseignants-chercheurs à l'université Pierre et Marie Curie (UPMC, Paris 6). Elles travaillent ensemble depuis longtemps et ont participé à la rédaction de différents ouvrages d'initiation à l'informatique. Ce livre est le fruit d'une réflexion développée depuis plusieurs années et modelée au contact de milliers d'étudiants, pour présenter la programmation impérative de façon rigoureuse, originale et motivante.

Édition : Dunod - 234 pages , 1re édition, 1er janvier 2007

ISBN10 : 2100507990 - ISBN13 : 9782100507993

Commandez sur www.amazon.fr :

14.00 € TTC (prix éditeur 18.09 € TTC)
  • Noyau de Visual Basic
  • Récursion et boucles
  • Procédures et entrées/sorties
  • Objets en VBA Excel
  • Programmation de calculs
  • Algorithmes de recherche
  • Algorithmes de tri
  • Algorithmes de mise à jour
  • Problèmes de synthèse
Critique du livre par la rédaction Philippe JOCHMANS le 1er décembre 2008
Ce livre s'adresse à deux types de public :

Les initiés à la programmation VBA sous Excel qui veulent acquérir quelques connaissances algorithmiques.
Les initiés à l'algorithmique qui veulent voir une application concrète des principes sous VBA Excel.
Comme vous l'avez compris, ce livre n'est pas pour les débutants, mais pour un public d'initiés. Vous y découvrirez à la fois une petite initiation au VBA sous Excel et une à l'algorithmique.
Cet ouvrage vous permettra de comprendre le fonctionnement des boucles de recherches, des tris de différentes manières.
Vous y trouverez également de nombreux exercices corrigés.

Bien que réservé au départ à des étudiants Post-Bac, cet ouvrage est excellent pour ceux qui veulent aller un peu plus loin.
Critique du livre par la rédaction Anthony Lo-monaco le 31 mai 2015
J'ai lu une bonne partie de ce livre qui presente pas mal d'exemple algoritmiques, il est tres interessant, mais la presentation ne donne pas toujours envi de lire....
Il est interessant mais je pense qu'en terme d'algo on peut trouver mieux meme si ca sera pas en vba . Je n'ai pas forcement aderé au livre, mais pour autant il n'est pas mauvais .


couverture du livre Introduction à la calculabilité

Note 4.5 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Introduction à la calculabilité

de

Résumé de l'éditeur

Dans le monde de l'informatique en perpétuelle évolution, une connaissance élémentaire de la théorie de la calculabilité reste plus que jamais indispensable à l'informaticien, qui se pose sans cesse la question des limites de l'informatique. La théorie de la calculabilité apporte des réponses. Elle démontre notamment que certains problèmes informatiques ne peuvent pas être résolus par des programmes. Cet ouvrage présente les éléments essentiels de cette science qui consiste à étudier ce qu'il est possible ou non de résoudre grâce à l'outil informatique, quelle que soit la machine utilisée. Il aborde en premier lieu les langages formels, les automates et les grammaires puis introduit la notion de calculabilité par le biais des machines de Turing et des fonctions récursives. En dernier lieu, sont étudiées les notions de complexité, et plus particulièrement les problèmes NP-complets. Ce manuel comporte de nombreux exercices d'application, ainsi que leurs corrigés. Cette troisième édition s'enrichit d'une section sur l'interprétation de la non-calculabilité et approfondit la notion de NP-complétude. Si ce livre constitue avant tout un cours destiné aux étudiants en informatique, il s'adresse également aux professionnels désireux de mieux comprendre cette science.

Édition : Dunod - 224 pages , 3eédition, 12 décembre 2006

ISBN10 : 2100499815 - ISBN13 : 9782100499816

Commandez sur www.amazon.fr :

28.41 € TTC (prix éditeur 29.09 € TTC)
  • Introduction
  • Les automates finis
  • Les grammaires régulières
  • Automates à pile et langages hors-contexte
  • Les machines de turing
  • Les fonctions récursives
  • La non-calculabilité
  • La complexité
  • Solution des exercices
Critique du livre par la rédaction Morgan Bourgeois le 31 août 2008
Cet ouvrage est un cours sur la calculabilité dont la vocation première est de servir de support de cours aux étudiants de 2nd cycle en informatique et aux élèves ingénieur. L'ensemble des bases de cette matière y sont abordés ( cf : table des matières). Les explications claires et les exercices judicieusement choisis en font un ouvrage de référence que tout étudiant en informatique se doit de consulter.
S'agissant d'un cours de second cycle, il convient de posséder quelques bases pour tirer le maximum de bénéfices des savoirs prodigués par cet ouvrage. En outre, des connaissances concernant les ensembles et la théorie des graphes s'avèrent indispensables.
Outre le cours théorique à destination des étudiants, la lecture de ce livre est intéressante à tout informaticien désireux de comprendre : l'utilisation des expressions régulières, la mise au point d'un langage de programmation et les principes l'analyse syntaxe, les ensembles de définition de fonctions. Et plus généralement, la calculabilité …


couverture du livre Intelligence Artificielle

Note 5 drapeau
Détails du livre
Sommaire
Critiques (2)
0 commentaire
 
 

Intelligence Artificielle

de
Traducteurs : Marie-Cécile Baland, David de Loenzien, Patrick Haond
Public visé : Intermédiaire

Résumé de l'éditeur

Ce livre est LA référence en matière d'Intelligence Artificielle. Il en décrit et analyse tous les concepts : la logique, les probabilités et les mathématiques discrètes et du continu, la perception, le raisonnement, l'apprentissage, la prise de décision et l'action. Sa particularité est de présenter l'IA à travers le concept des agents intelligents, c'est-à-dire de systèmes qui décident de ce qu'il convient de faire. Les auteurs expliquent ainsi comment un agent intelligent réussit à percevoir son environnement de manière à déterminer et analyser ce qu'il s'y passe.

Édition : Pearson Education - 1216 pages , 2eédition, 1er septembre 2006

ISBN10 : 2744071501 - ISBN13 : 9782744071508

Commandez sur www.amazon.fr :

68.04 € TTC (prix éditeur 72.00 € TTC)
  • Intelligence artificielle
  • Résolution de problèmes
  • Connaissances et raisonnement
  • Planification
  • Connaissances et raisonnement en environnement incertain
  • Apprentissage
  • Communication, perception et action
  • Conclusions
Critique du livre par la rédaction Alp le 1er mars 2009
Ce livre est tout simplement excellent, à mes yeux. Au départ, on peut ne rien connaître de l'intelligence artificielle, tout simplement en avoir entendu parler, juste savoir que cela existe. Dès le début, les auteurs nous plongent dans cet univers grâce à un chapitre décrivant l'histoire de l'Intelligence Artificielle (IA). Par la suite, les auteurs vont peu à peu introduire certaines notions telles que celle "d'agent intelligent", introduite dès le début. Cette notion est d'ailleurs la notion centrale du livre, car c'est autour de cette dernière que va s'orienter toute la suite du livre.

Une particularité de ce livre est qu'il est assez théorique. Le lecteur est amené à réfléchir sur des sujets passionnants, à mettre en relation des concepts et à les exploiter lui-même. En effet, parmi les 400 et quelques exercices, certains sont des exercices de réflexion, simplement. D'autres, à l'opposé, sont des exercices de programmation. Il est cependant important de s'intéresser à l'aspect "réflexion" de ce livre car il vous fera comprendre excessivement plus facilement bien des concepts et algorithmes d'IA.

Si ce livre vous intéresse mais que vous hésitez à cause de l'aspect théorique, je ne peux que vous conseiller de le feuilleter si vous le pouvez, ou bien de consulter sa table des matières. Pourquoi ? Car si il aborde vraiment les thèmes qui vous intéressent, la théorie ne sera pas un problème. Bien que la démarche adoptée soit plutôt nettement scientifique, il demeure toutefois accessible grâce à son côté philosophie, car il est bien question de philosophie de l'IA. On y apprend à raisonner sur les agents intelligents dans un contexte donc à la fois scientifique et philosophique. Toutefois, ce livre n'est pas non plus accessible à Mr Tout le monde. Il faut tout de même avoir de bonnes notions d'algorithmie et avoir été ne serait-ce qu'un peu sensibilisé aux problématiques abordées ici. Par exemple : comment fait l'ennemi dirigé par l'ordinateur dans tel jeu pour avoir le meilleur angle de tir et pour décider du meilleur moment pour ce faire ?

En conclusion, ce livre aborde donc tous les aspects qui concernent l'IA. De la prise de décisions au raisonnement, on découvre un nouveau monde passionnant. Il ne faut toutefois pas vous attendre à des exemples en C++, Java ou autres car ce livre est à visée générique et ne cible donc aucun langage. Il s'agit ici de comprendre certaines logiques et de savoir les mettre en oeuvre. C'est donc un excellent livre pour découvrir ce monde. Il devient bien plus facile après sa lecture d'aborder l'implémentation d'intelligences artificielles dans vos programmes.
Critique du livre par la rédaction mbonnetaud le 1er novembre 2005
Lorsqu'on regarde le livre et son sommaire, on voit de suite qu'il est très complet et que le sujet est maitrisé, près de 1200 page parlant d'Intelligence Artificielle et de tout ce qu'il y a autours, réparti en 27 chapitres.
Le sommaire est d'ailleurs assez impréssionnant, on passe de l'histoire de l'IA, aux agents intelligents pour en finir sur la robotique ainsi qu'une réflexion sur l'avenir. Aucun aspect n'est oublié.

Tout le monde peut, à mon avis, y trouver son compte : du débutant complet qui découvrira les différentes notions, un historique détaillé, des résumés de chaque chapitre très bien fait, au confirmé qui y trouvera son bonheur parmi tous les aspects abordés et la richesse qu'apporte chaque chapitre.

Le but central de ce livre reste la réflexion comme nous le montre les différents exercices proposés à chaque fin de chapitre, les auteurs veulent clairement que le lecteur comprenne l'intérêt de mettre en pratique tel ou tel algorithme.

Il faut cependant posséder, comme le précise le livre dans sa préface, quelques connaissances de base en informatique (ne serais ce que pour apprécier les algorithmes ponctuant le livre) ainsi que de solides bases en mathématiques pour comprendre certains chapitres (des rappels mathématique sont disponible en annexe si besoin).
Malgrès cela, le livre se veut accessible de par les exemples fournit qui peuvent être compris par n'importe qui et son style qui se lit assez facilement.

Même si le livre reste très théorique, il en reste très complet et devient vraiment intéressant si on prend la peine de se plonger un minimum dans les exercices proposés et donc de jouer le jeu des auteurs.
C'est pourquoi je le conseil à tous ceux qui veulent découvrir ou en apprendre plus sur l'IA.




 Poster une réponse

Avatar de forum forum - Robot Forum https://www.developpez.com
le 03/06/2014 à 22:33
Intelligence Artificielle
Ce livre est LA référence en matière d'Intelligence Artificielle. Il en décrit et analyse tous les concepts : la logique, les probabilités et les mathématiques discrètes et du continu, la perception, le raisonnement, l'apprentissage, la prise de décision et l'action. Sa particularité est de présenter l'IA à travers le concept des agents intelligents, c'est-à-dire de systèmes qui décident de ce qu'il convient de faire. Les auteurs expliquent ainsi comment un agent intelligent réussit à percevoir son environnement de manière à déterminer et analyser ce qu'il s'y passe.

[Lire la suite]




couverture du livre Géométrie algorithmique

Note 4 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Géométrie algorithmique

de
Public visé : Expert

Résumé de l'éditeur

Ce livre présente les fondements de cette discipline qui associe algorithmique et géométrie combinatoire. Il introduit les principales structures géométriques : polytopes, triangulation, arrangements et diagrammes de Voronoï, et réserve une place centrale à la randomisation, technique probaliste qui conduit à des méthodes générales, simples et efficaces. Le contenu de ce livre a fait l'objet de cours donnés dans le cadre de pusieurs DEA à la charnière entre mathématiques et informatique.

Édition : Dunod - 540 pages , 1re édition, 11 juillet 2000

ISBN10 : 2840741121 - ISBN13 : 9782840741121

Commandez sur www.amazon.fr :

41.07 € TTC (prix éditeur 43.09 € TTC) livraison gratuite !
  • Outils algorithmiques
  • Enveloppe convexe
  • Triangulations
  • Arrangements
  • Diagrammes de Voronoï
Critique du livre par le 1er février 2007
Si vous assimilez le contenu de ce livre, vous serez à même de réaliser des raisonnements poussés sur de nombreux problèmes de géométrie, allant des problèmes de projections en dimension N au cloisonnement des arrangements de triangles en passant par les métriques non euclidiennes.

Bien que destiné, je cite, "aux lecteurs de bonne volonté", ne vous aventurez pas dans ce livre sans de solides connaissances en mathématiques et sans une motivation certaine. Ce livre est construit comme un cours magistral universitaire qui pourra en décourager plus d'un : théorèmes, preuves, lemmes, exercices (non corrigés). Certains pourraient benoitement penser que s'agissant de géométrie les raisonnements s'en trouveraient moins rigoureux et plus accessibles, détrompez-vous, les écritures mathématiques se retrouvent à chaque page et ne servent pas qu'à décorer. On apprécie cependant au plus haut point l'omniprésence des schémas (oui, le thème du livre reste la géométrie), déjà que pas évidente, je n'ose imaginer une lecture et une compréhension minimale sans eux.

Vous devrez faire preuve de patience pour retirer un avantage de ce livre. Le formalisme mathématique trop poussé est un frein à la recherche rapide d'une information, vous serez noyé dans les multiples lemmes et preuves. N'espérez pas utiliser ce livre comme un ouvrage de référence, sa lecture vous apportera une nouvelle approche de la géométrie avec de nouveaux raisonnements mais pas de réponses rapides à des problèmes concrets. Ne vous étonnez pas non plus si le côté informatique de certains raisonnements vous échappe, les explications sont fortement orientées sur l'aspect théorique et mathématique.

Je recommande spécialement ce livre aux étudiants en école d'ingénieur qui souhaitent prolonger leurs cours, mais aussi aux ingénieurs confirmés devant se lancer dans des raisonnements géométriques avancés.
Texte de votre critique
Date de la critique JJ/MM/AAAA
Qui a réalisé cette critique ?

Son pseudo :

Son nom :
Note


couverture du livre Apprentissage statistique

Note 4.5 drapeau CD-Rom
Détails du livre
Sommaire
Critiques (1)
 
 

Apprentissage statistique

Réseaux de neurones - Cartes topologiques - Machines à vecteurs supports

de

Résumé de l'éditeur

L'apprentissage statistique permet la mise au point de modèles de données et de processus lorsque la formalisation de règles explicites serait impossible : reconnaissance de formes ou de signaux, prévision, fouille de données, rise de décision en environnement complexe et évolutif. Ses applications sont multiles dans le monde de la production industrielle (robotique, maintenance préventive, développement de capteurs virtuels, planification d'expériences, aide à la conception de produits), dans le domaine de la biologie et de la santé (aide au diagnostic, aide à la découverte de médicaments, bio-informatique), en télécommunications, en marketing et finance, et dans bien d'autres domaines.

Sans omettre de rappeler les fondements théoriques de l'apprentissage statistique, cet ouvrage offre de solides bases méthodologiques à tout ingénieur ou chercheur soucieux d'exploiter ses données. Il en présente les algorithmes les plus couramment utilisées - réseaux de neurones, cartes topologiques, machines à vecteurs supports, modèles de Markov cachés - à l'aide d'exemples et d'études de cas industriels, financiers ou bancaires.

Édition : Eyrolles - 449 pages , 1er septembre 2008

ISBN10 : 2212122292 - ISBN13 : 9782212122299

Commandez sur www.amazon.fr :

52.00 € TTC (prix éditeur 52.00 € TTC)
  • L'apprentissage statistique : pourquoi, comment ?
  • Les réseaux de neurones
  • Compléments de méthodologie pour la modélisation : réduction de dimension et ré-échantillonnage
  • Identification neuronale de systèmes dynamiques commandés et réseaux bouclés (récurrents)
  • Apprentissage d'une commande en boucle fermée
  • La discrimination
  • Cartes auto-organisatrices et classification automatique
  • Outils pour les réseaux de neurones et contenu du CD-ROM
Critique du livre par la rédaction Alp le 23 octobre 2008
Ce livre présente très bien la théorie de l'apprentissage statistique et nous fait réellement rendre conscience de son importance dans le monde actuel. En effet, un premier chapitre aborde les généralités sur l'apprentissage statistique : pourquoi, comment, etc. Ensuite, un deuxième chapitre se consacre entièrement aux réseaux de neurones, et la pari est gagné. On est plongé dans l'apprentissage statistique et la théorie des réseaux de neurones est expliquée mais également accompagnée de nombreux exemples, afin de ne pas perdre le lecteur dans les explications, de la reconnaissance de formes à la fouille de données en passant par la robotique et la prédiction de température notamment. Le chapitre suivant lui traite de réduction de dimension et de ré-échantillonnage, où comment mieux préparer les entrées nos outils de prédiction, apprentissage. On y voit notamment l'analyse en composantes principales (ACP), curvilignes (ACC). Puis l'on voit des réseaux de neurones plus complexes, les réseaux de neurones bouclés (ou "récurrents"), la discrimination, les cartes auto-organistratices et les machines à vecteurs supports.

J'ai énormément apprécié ce livre et en attendais beaucoup, et il m'a satisfait sur tous les points sauf un : les machines à vecteurs supports. En effet, je m'attendais à bien plus d'explications et de pages sur le sujet, mais c'est la seule chose qui m'a déçue avec ce livre. Si vous êtes intéressés par l'apprentissage statistique ou par n'importe laquelle de ses applications, alors ce livre et pour vous, satisfaisant à la fois les fous de théories comme les practiciens. Attention toutefois, il faut un certain niveau en mathématiques statistiques pour aborder sereinement ce livre.


couverture du livre Calculateurs, calculs, calculabilité

Note 4 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Calculateurs, calculs, calculabilité

de
Public visé : Débutant

Résumé de l'éditeur

Cet ouvrage s'adresse aux étudiants ayant une expérience, même légère, de la programmation, qu'ils soient en licence ou en master d'informatique (niveaux L2, L3 ou M1) ou en écoles d'ingénieurs.

Il existe en informatique des limites qui sont aussi fondamentales que la vitesse de la lumière ou le second principe de la thermodynamique. Elles concernent autant l'existence de solutions informatiques à des problèmes, que le coût de ces solutions quand elles existent. L'objectif de cet ouvrage est de jalonner ces frontières en adoptant le point de vue du programmeur.

Cet ouvrage correspond à un enseignement donné en deuxième année de licence et réparti en séances de cours et séances de TP, car beaucoup d'étudiants comprennent mieux les définitions en les implémentant.

Rédigé dans un style aussi simple que possible, cet enseignemtn donne aussi une ouverture sur l'histoire de cette discipline en introduisant de courtes biographies d'acteurs importants (Cantor, von Neumann, Turing...) et quelques textes remarquables.

Édition : Dunod - 204 pages , 1re édition, 1er janvier 2008

ISBN10 : 2100515888 - ISBN13 : 9782100515882

Commandez sur www.amazon.fr :

23.75 € TTC (prix éditeur 25.00 € TTC)
  • LES CALCULATEURS
  • État des calculateurs
  • Changement d'état
  • Ce que calcule un calculateur
  • LES ENSEMBLES DE CANTOR
  • Intuition et définitions
  • Principaux résultats
  • LE PROBLEME DE L'ARRET
  • Preuve
  • Preuve en images
  • Méthode de la réduction
  • LE THEOREME DE RICE
  • Preuve
  • Preuve en images
  • Les programmes WHILE
  • Syntaxe des programmes WHILE
  • Sémantique du langage WHILE
  • Programmer avec le langage WHILE
  • LES PROGRAMMES FOR
  • Syntaxe des programmes FOR
  • Sémantique du langage FOR
  • Puissance de calcul du modèle FOR
  • LA COMPLEXITE DES FONCTIONS
  • Intuition
  • Notation
  • Quelques ordres de grandeur
  • LES PROBLEMES P ET NP
  • Calculer, vérifier et réduire
  • Indéterminisme
Critique du livre par la rédaction Sébastien Doeraene le 10 octobre 2008
Ce livre, court et simple d'approche, est un très bon moyen de s'introduire à la calculabilité. Il ne repose sur aucun prérequis en la matière, et est donc destiné au débutant de la discipline.
La calculabilité y est présentée comme une discipline d'aspect pratique pour le programmeur, et les explications, bien qu'évidemment théoriques - la calculabilité est, tout de même, un domaine très théorique -, sont agrémentées de conclusions très pratiques. Et surtout, chose particulièrement appréciable, de "preuves en images", qui montrent graphiquement la construction des programmes "artificiels" utilisés dans les démonstrations théoriques. Ces preuves en images sont d'une très grand aide à la compréhension, et à l'appropriation de ces démonstrations.
Il faut par contre se rendre compte que cet ouvrage est une introduction à la calculabilité. Elle a pour but de présenter au programmeur cette discipline, et de la motiver - ce qu'elle fait d'ailleurs très bien. Mais elle ne va guère plus loin, et n'est donc pas indiquée pour le lecteur qui a déjà des rudiments de calculabilité.
Ce livre complètera très bien un premier cours de calculabilité pour les étudiants. Il permettra aussi à tout programmeur de découvrir facilement, et avec intérêt, la calculabilité.
C'est donc un ouvrage que je recommanderais à toute personne désirant s'initier à ce domaine.


couverture du livre Apprendre à programmer

Note 3.5 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Apprendre à programmer

Algorithmes et conception objet

de
Public visé : Débutant

Résumé de l'éditeur

Destiné à tous ceux qui débutent en programmation, cet ouvrage très pédagogique leur apprendra comment concevoir et écrire un programme de manière claire et efficace, quel que soit le langage employé. Prenant comme exemple un langage algorithmique, ce livre expose les bases de la programmation (variables, tableau, boucles, fonctions), puis introduit les objets (utilisation et écriture d'objets) et les structures de données (analyse objet). Chaque chapitre se clôt par une série d'exercices corrigés qui manipulent les concepts de base de l'algorithmique objet. L'ouvrage est complété par une étude de cas décrivant la conception et l'écriture d'un jeu de Puissance 4, projet qui fait la synthèse de toutes les connaissances acquises.

Édition : Eyrolles - 296 pages , 1er juillet 2008

ISBN10 : 2212123507 - ISBN13 : 9782212123500

Broché

Commandez sur www.amazon.fr :

27.55 € TTC (prix éditeur 29.00 € TTC)
  • Algorithmique simple
  • Les objets
  • Les structures de données
  • Projet et exercices
  • Annexes
Critique du livre par la rédaction Jean-Philippe Dubé le 12 novembre 2009
Si vous débutez dans la programmation et que vous souhaitez prendre en main les concepts fondamentaux de la POO, ce livre regorge d'information qui vous sera utile. Au début de la lecture, l'auteur aborde une approche procédurale afin de bien présenter les fondements de la programmation. Ensuite, l'auteur aborde la programmation orientée objet, qui va être mise en application dans la partie sur les structures de données. À la fin de ce livre, vous devez construire un jeu de puissance 4 afin de mettre les connaissances que vous avez acquises dans le livre en pratique.
Tout d'abord, l'auteur utilise une approche progressive et pédagogique en mettant en œuvre les notions des chapitres précédents, ce qui permet au lecteur d'avoir plusieurs exemples d'application. Aussi, l'auteur a intégré 40 exercices dans le livre, ce qui permet au lecteur de mettre en pratique les connaissances acquises. Un corrigé des exercices est disponible dans la fin du livre et on y retrouve des explications ainsi que des pistes pour ceux qui ont de la difficulté. J'ai aussi aimé l'accent de l'auteur face au cahier de charge, puisqu'une bonne compréhension de ceux-ci est essentielle dans divers projets.
Par contre, je trouve que l'auteur aurait dû accorder plus d'importance au chapitre touchant les langages de programmation et présenter certains outils de développement afin de mettre en application le projet de puissance 4.
Pour conclure, ce livre présente bien les fondements de la programmation et de la programmation orientée objet, mais un effort personnel important reste à être donné par le lecteur afin d'être autonome dans le développement d'application.


couverture du livre Algorithmique

Note 4.5 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Algorithmique

Techniques fondamentales de programmation

de
Public visé : Débutant

Résumé de l'éditeur

Présentation de l'éditeur
Ce livre s'adresse à toute personne désireuse de maîtriser les bases essentielles de la programmation. Pour apprendre à programmer, il faut d'abord comprendre ce qu'est vraiment un ordinateur, comment il fonctionne et surtout comment il peut faire fonctionner des programmes, comment il manipule et stocke les données et les instructions, quelle est sa logique. Alors, au fur et à mesure, le reste devient évidence : variables, tests, conditions, boucles, tableaux, fonctions, fichiers, jusqu'aux notions avancées comme les pointeurs et les objets.
Dans ce livre, le langage algorithmique (ou la syntaxe du pseudo-code des algorithmes) reprend celui couramment utilisé dans les écoles d'informatique et dans les formations comme les BTS, DUT, premières années d'ingénierie à qui ce livre est en partie destiné et conseillé. Une fois les notions de base acquises, le lecteur trouvera dans ce livre de quoi évoluer vers des notions plus avancées : deux chapitres, l'un sur les pointeurs et les références, l'autre sur les objets, ouvrent les portes de la programmation dans des langages évolués et puissants comme le C, le C++ et surtout Java.
Une grande partie des algorithmes de ce livre sont réécrits en Java et les sources, directement utilisables, sont disponibles en téléchargement sur le site de l'éditeur (www.eni-livres.com).

Biographie de l'auteur

Sébastien ROHAUT est Ingénieur Système en missions régulières pour de grands comptes. Il enseigne également Unix et PHP à des classes préparatoires et d'ingénieurs. Fortement investi dans le monde des logiciels libres (fondateur et ancien président de Slyunix, association de promotion de Linux), il a organisé des "Install Parties" et des rencontres avec des débutants sous Linux dont il connaît parfaitement les problèmes. Enfin, il écrit fréquemment dans la presse spécialisée (Planète Linux...) des articles destinés aux amateurs de Linux et des logiciels libres.

Édition : ENI - 375 pages , 1re édition, 1er octobre 2007

ISBN10 : 2746039605 - ISBN13 : 9782746039605

Commandez sur www.amazon.fr :

25.78 € TTC (prix éditeur 25.78 € TTC)
  • Chapitre 1 : Introduction à l'algorithmique
    • A. Les fondements de l'informatique
    • B. L'algorithmique
    • C. Les langages d'implémentation
  • Chapitre 2 : Les variables et opérateurs
    • A. La variable
    • B. Opérateurs et Calculs
    • C. Pour aller plus loin
    • D. Types et langages
  • Chapitre 3 : Tests et logique booléenne
    • A. Les tests et conditions
    • B. L'algèbre booléen
  • Chapitre 4 : Les boucles
    • A. Les structures itératives
    • B. Tant Que
    • C. Répéter … Jusqu'à
    • D. Pour … Fin Pour
  • Chapitre 5 : Les tableaux et structures
    • A. Présentation
    • B. Manipulations simples
    • C. Algorithmes avancés
    • D. Structures et enregistrements
  • Chapitre 6 : Les sous-programmes
    • A. Présentation
    • B. Les sous-programmes récursifs
  • Chapitre 7 : Les fichiers
    • A. Les différents fichiers
    • B. Les enregistrements
    • C. Fichier texte séquentiel
  • Chapitre 8 : Notions avancées
    • A. Les pointeurs et références
    • B. Les listes chaînées
    • C. Les arbres
  • Chapitre 9 : Une approche de l'objet
    • A. Principe de l'objet, une notion évidente
    • B. Manipuler les objets
    • C. L'objet en Java
Critique du livre par la rédaction Olivier Lebeau le 4 octobre 2009
Si vous débutez en programmation, ce livre est fait pour vous, il passe en revue les principes même de la programmation. Les exemples sont en Java, mais l'auteur nous donne une forme plus synthétique des techniques utilisées sous forme de texte très compréhensible et adaptable à tous les langages de programmation. Mais l'auteur s'adresse aussi à toutes les personnes désireuses d'améliorer leurs performances.
Toutes les techniques fondamentales sont passées en revue, la déclaration des variables, les opérations, les affectations, les boucles,…

L'auteur, en plus de vous expliquer les différences qui existent entre les différents langages de programmation, vous met en garde sur les pièges à éviter lorsque vous écrirez votre code.
Les exemples choisis sont pour la plupart utilisables dans le code que vous pourriez écrire pour vos applications. Je pense même qu'on pourrait lire ce livre sans posséder de PC et comprendre aisément certains passages.
En plus de l'algorithmique, ce livre est agrémenté de petites histoires qui rendent sa lecture agréable, vous y apprendrez pourquoi la première Ariane 5 n'a pas terminé sont vol d'essai, …

Le seul reproche que j'ai à faire est le manque de commentaire dans le code, sachant que ce manuel est destiné à des débutants, quelques lignes d'explication auraient été un must, surtout si le langage de programmation que vous utilisez habituellement n'est pas le Java.

Ce livre à sa place dans la bibliothèque d'un programmeur.


couverture du livre Algorithmique - Travaux Pratiques

Note 4.5 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Algorithmique - Travaux Pratiques

Entraînez-vous et améliorez votre pratique de la programmation

de

Résumé de l'éditeur

Présentation de l'éditeur
Ce livre sur l'algorithmique s'adresse à toute personne qui désire améliorer sa maîtrise d'un langage de programmation et en particulier celle du langage Java. Il propose de nombreux exercices pratiques de difficulté variable pour compléter sa pratique de la programmation (construction d'index, calcul d'intersection de rectangles, calcul de la distance entre deux mots, simulation d'une course automobile, mini-interpréteur d'expression).

La programmation est introduite d'abord avec les concepts de variables, boucles, tests, tableaux et sous-programmes. La programmation par objets est ensuite abordée de façon très progressive (écriture de petites classes, gestion des chaînes de caractères, petite hiérarchie de classes).

Un chapitre particulier est consacré à la récursivité et les structures de données complexes (listes, arbres, piles) font l'objet du dernier chapitre. Une connaissance des principaux concepts du langage Java est un pré-requis à la lecture de ce livre.

Pour les apports théoriques sur ce sujet, Editions ENI édite, dans la collection Ressources Informatiques, le livre " Algorithmique - Techniques fondamentales de programmation". 63 QCM - 84 travaux pratiques et leurs corrigés - Plus de 44 H de mise en pratique.

Biographie de l'auteur
Laurent Debrauwer est docteur en informatique de l'Université de Lille 1. Auteur de logiciels dans le domaine de la linguistique et de la sémantique, il exerce le métier de consultant indépendant en tant que spécialiste de l'approche par objets. Il enseigne la modélisation en UML à l'université de Lille 1 et la programmation en Java à l'université du Luxembourg.

Édition : ENI - 274 pages , 1re édition, 1er octobre 2008

ISBN10 : 2746046180 - ISBN13 : 9782746046184

Commandez sur www.amazon.fr :

25.65 € TTC (prix éditeur 25.65 € TTC)
  • Variables, boucles et instructions de test
  • Tableaux
  • Sous-programmes
  • Objets et classes
  • Les chaînes de caractères
  • Interactions complexes et héritage entre objets
  • Récursivité
  • Structures de données complexes
  • Le langage algorithmique
Critique du livre par la rédaction Olivier Lebeau le 1er octobre 2009
Ce livre est le complément de "Algorithmique : Techniques fondamentales de programmation". La possession des deux livres n'est pas indispensable, mais souhaitable. Dans les énoncés, il est constamment fait appel aux pré-requis pour la compréhension des exercices proposés, vous pouvez acquérir ces pré-requis sur le WEB ou dans ce second livre.

Malgré des débuts difficiles, il faut quelques minutes pour assimiler la façon dont sont énoncés les exercices, j'ai particulièrement apprécié la difficulté croissante des exercices proposés. Les exemples proposés sont réutilisables dans vos créations. On y trouve plein de choses : différents types de tri, des recherches, des fusions de tableaux et même une routine de vérification de palindromes...

Si vous débutez, ce livre vous aidera à faire vos premiers pas et à prendre de bonnes habitudes, si vous n'êtes plus un débutant, vous pourrez toujours mesurer vos compétences et on est parfois surpris.
Pour les premiers corrigés, l'auteur nous donnes l'algorithmique sous forme de texte.
Selon la complexité des codes que l'on retrouve dans les corrigés, l'auteur a inséré des commentaires plus ou moins nombreux.


couverture du livre Compilateurs

Note 5 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Compilateurs

Principes, techniques et outils

de
Traducteurs : Philippe Deschamp, Bernard Lorho, Benoît Sagot et François Thomasset
Public visé : Intermédiaire

Résumé de l'éditeur

Le "Dragon", l'ouvrage de référence en matière de compilation, revient avec une édition entièrement actualisée et qui prend en compte toutes les évolutions récentes du domaine. Les auteurs, enseignants dans les universités américaines les plus prestigieuses, ont adopté une présentation encore plus pédagogique, abondamment illustrée d'exemples concrets et d'exercices. Le livre couvre tous les aspects théoriques et pratiques de la compilation des langages de programmation. Il s'attache également à démontrer la pertinence du recours à la compilation pour résoudre les problèmes les plus fréquemment rencontrés lors de la conception de logiciels de traitement des langages.

Édition : Pearson Education - 923 pages , 2eédition, 1er novembre 2007

ISBN10 : 2744070378 - ISBN13 : 9782744070372

Commandez sur www.amazon.fr :

61.75 € TTC (prix éditeur 61.75 € TTC)
  • Introduction
  • Un traducteur simple en une passe
  • Analyse lexicale
  • Analyse syntaxique
  • Traduction dirigée par la syntaxe
  • Production de code intermédiaire
  • Environnements d'exécution
  • Production de code
  • Optimisations indépendantes de la machine
  • Parallélisme entre instructions
  • Parallélisme et localité des données
  • Analyses interprocédurales
Critique du livre par la rédaction Alp le 1er octobre 2009
Ce livre, communément appelé le Dragon Book, est une référence inconstestable sur la conception de compilateurs. Je le savais avant de le lire, je m'attendais donc à un excellent livre ; je n'ai pas été déçu.

Bien entendu, ce livre traite tous les sujets primordiaux dans la conception d'un compilateur, après une introduction expliquant les différentes phases : analyse lexicale, syntaxique, sémantique, production de code, optimisation de code etc. Toutefois, il y a 2 chapitres dédiés au parallélisme, sujet crucial de nos jours dès que l'on parle de langages de programmation.

Outre le fait que le livre couvre avec excellence les sujets classiques, comme les différentes techniques d'analyse syntaxique, les grammaires, et autres, en accompagnant le tout d'algorithmes et d'exemples en Java, on y apprend régulièrement des petites astuces issues de l'expérience des auteurs. En particulier, ils nous exposent les différences à prendre en considération selon que l'on veuille créer un compilateur pour un langage de haut niveau ou pas, selon le type de portée dont on veut munir le langage, le mécanisme de passage des paramètres, etc.

Après la lecture de ce livre, et un travail sérieux sur son contenu et les exemples, vous serez en mesure de vous lancer dans la conception et la réalisation d'un compilateur. Néanmoins, cela demande beaucoup d'investissement mais en vaut la peine. Vous verrez que même de manière plus globale, la compilation de langages permet de vérifier certaines propriétés et donc de vérifier le code et trouver d'éventuelles failles de sécurité. Donc en résumé, si ce sujet vous intéresse, je vous conseille très fortement ce livre.


couverture du livre L'Intelligence Artificielle pour les développeurs

Note 3.5 drapeau
Détails du livre
Sommaire
Critiques (1)
0 commentaire
 
 

L'Intelligence Artificielle pour les développeurs

Concepts et implémentations en C#

de
Public visé : Intermédiaire

Résumé de l'éditeur

Ce livre sur l'Intelligence Artificielle s'adresse particulièrement aux développeurs et ne nécessite pas de connaissances mathématiques approfondies. Au fil des chapitres, l'auteur présente les principales techniques d'Intelligence Artificielle et, pour chacune d'elles, les inspirations, biologiques, physiques voire mathématiques, puis les différents concepts et principes (sans entrer dans les détails mathématiques), avec des exemples et figures pour chacun de ceux-ci. Les domaines d'application sont illustrés par des applications réelles et actuelles. Chaque chapitre contient un exemple d'implémentation générique, complété par une application pratique, développée en C#. Ces exemples de code étant génériques, ils sont facilement adaptables à de nombreuses applications C#, que ce soit en Silverlight, sur Windows Phone, pour Windows 8 ou pour des applications .Net plus classiques. Les techniques d'Intelligence Artificielle décrites sont : - Les systèmes experts, permettant d'appliquer des règles pour prendre des décisions ou découvrir de nouvelles connaissances. - La logique floue, permettant de contrôler des systèmes informatiques ou mécaniques de manière beaucoup plus souple que les programmes traditionnels. - Les algorithmes de recherche de chemin, dont le A* très utilisé dans les jeux vidéo pour trouver les meilleurs itinéraires. - Les algorithmes génétiques, utilisant la puissance de l'évolution pour apporter des solutions à des problèmes complexes. - Les principales métaheuristiques, dont la recherche tabou, trouvant des optimums à des problèmes d'optimisation, avec ou sans contraintes. - Les systèmes multi-agents, simulant des foules ou permettant des comportements émergents à partir de plusieurs agents très simples. - Les réseaux de neurones, capables de découvrir et de reconnaître des modèles, dans des suites historiques, des images ou encore des données. Pour aider le lecteur à passer de la théorie à la pratique, l'auteur propose en téléchargement sur le site www.editions-eni.fr, sept projets Visual Studio 2013 (un par technique d'Intelligence Artificielle), développés en C#. Chaque projet contient une PCL, pour la partie générique, et une application WPF, pour la partie spécifique à l'application proposée. Le livre se termine par une bibliographie, permettant au lecteur de trouver plus d'informations sur ces différentes techniques, une sitographie listant quelques articles présentant des applications réelles, une annexe et un index. Les chapitres du livre : Avant-propos - Introduction - Systèmes experts - Logique floue - Recherche de chemins - Algorithmes génétiques - Métaheuristiques d'optimisation - Systèmes multi-agents - Réseaux de neurones - Bibliographie - Sitographie - Annexe

Édition : ENI - 484 pages , 1re édition, 1er décembre 2014

ISBN10 : 2746092158 - ISBN13 : 9782746092150

Commandez sur www.amazon.fr :

45.00 € TTC (prix éditeur 45.00 € TTC) livraison gratuite !
Introduction
1. Structure du chapitre
2. Définir l’intelligence
3. L’intelligence du vivant
4. L’intelligence artificielle
5. Domaines d’application
6. Synthèse

Systèmes experts
1. Présentation du chapitre
2. Exemple : un système expert en polygones
2.1 Triangles
2.2 Quadrilatères
2.3 Autres polygones
3. Contenu d'un système expert
3.1 Base de règles
3.2 Base de faits
3.3 Moteur d'inférences
3.4 Interface utilisateur
4. Types d'inférences
4.1 Chaînage avant
4.1.1 Principe
4.1.2 Application à un exemple
4.2 Chaînage arrière
4.2.1 Principe
4.2.2 Application à un exemple
4.3 Chaînage mixte
5. Étapes de construction d'un système
5.1 Extraction des connaissances
5.2 Création du moteur d'inférences
5.3 Écriture des règles
5.4 Création de l'interface utilisateur
6. Performance et améliorations
6.1 Critères de performance
6.2 Amélioration des performances par l'écriture des règles
6.3 Importance de la représentation du problème
7. Domaines d’application
7.1 Aide au diagnostic
7.2 Estimation de risques
7.3 Planification et logistique
7.4 Transfert de compétences et connaissances
7.5 Autres applications
8. Création d’un système expert en C#
8.1 Détermination des besoins
8.2 Implémentation des faits
8.3 Base de faits
8.4 Règles et base de règles
8.5 Interface
8.6 Moteur d'inférences
8.7 Saisie des règles et utilisation
9. Utilisation de Prolog
9.1 Présentation du langage
9.2 Syntaxe du langage
9.2.1 Généralités
9.2.2 Prédicats
9.2.3 Poser des questions
9.2.4 Écriture des règles
9.2.5 Autres prédicats utiles
9.3 Codage du problème des formes géométriques
9.4 Codage du problème des huit reines
9.4.1 Intérêt du chaînage arrière
9.4.2 Étude du problème
9.4.3 Règles à appliquer
9.4.4 Règles de conflits entre reines
9.4.5 But du programme
9.4.6 Exemples d'utilisation
10. Ajout d’incertitudes et de probabilités
10.1 Apport des incertitudes
10.2 Faits incertains
10.3 Règles incertaines
11. Synthèse

Logique floue
1. Présentation du chapitre
2. Incertitude et imprécision
2.1 Incertitude et probabilités
2.2 Imprécision et subjectivité
2.3 Nécessité de traiter l'imprécision
3. Ensembles flous et degrés d’appartenance
3.1 Logique booléenne et logique floue
3.2 Fonctions d'appartenance
3.3 Caractéristiques d'une fonction d'appartenance
3.4 Valeurs et variables linguistiques
4. Opérateurs sur les ensembles flous
4.1 Opérateurs booléens
4.2 Opérateurs flous
4.2.1 Négation
4.2.2 Union et intersection
5. Création de règles
5.1 Règles en logique booléenne
5.2 Règles floues
6. Fuzzification et défuzzification
6.1 Valeur de vérité
6.2 Fuzzification et application des règles
6.3 Défuzzification
7. Exemples d’applications
7.1 Premières utilisations
7.2 Dans les produits électroniques
7.3 En automobile
7.4 Autres domaines
8. Implémentation d’un moteur de logique floue
8.1 Le cœur du code : les ensembles flous
8.1.1 Point2D : un point d'une fonction d'appartenance
8.1.2 FuzzySet : un ensemble flou
8.1.3 Opérateurs de comparaison et de multiplication
8.1.4 Opérateurs ensemblistes
8.1.5 Calcul du barycentre
8.2 Ensembles flous particuliers
8.3 Variables et valeurs linguistiques
8.3.1 LinguisticValue : valeur linguistique
8.3.2 LinguisticVariable : variable linguistique
8.4 Règles floues
8.4.1 FuzzyExpression : expression floue
8.4.2 FuzzyValue : valeur floue
8.4.3 FuzzyRule : règle floue
8.5 Système de contrôle flou
8.6 Synthèse du code créé
9. Implémentation d’un cas pratique
10. Synthèse

Recherche de chemins
1. Présentation du chapitre
2. Chemins et graphes
2.1 Définition et concepts
2.2 Représentations
2.2.1 Représentation graphique
2.2.2 Matrice d’adjacence
2.3 Coût d'un chemin et matrice des longueurs
3. Exemple en cartographie
4. Algorithmes naïfs de recherche de chemins
4.1 Parcours en profondeur
4.1.1 Principe et pseudo-code
4.1.2 Application à la carte
4.2 Parcours en largeur
4.2.1 Principe et pseudo-code
4.2.2 Application à la carte
5. Algorithmes "intelligents"
5.1 Algorithme de Bellman-Ford
5.1.1 Principe et pseudo-code
5.1.2 Application à la carte
5.2 Algorithme de Dijkstra
5.2.1 Principe et pseudo-code
5.2.2 Application à la carte
5.3 Algorithme A*
5.3.1 Principe et pseudo-code
5.3.2 Application à la carte
6. Implémentations
6.1 Nœuds, arcs et graphes
6.1.1 Implémentation des nœuds
6.1.2 Classe représentant les arcs
6.1.3 Interface des graphes
6.2 Fin du programme générique
6.2.1 IHM
6.2.2 Algorithme générique
6.3 Codage des différents algorithmes
6.3.1 Recherche en profondeur
6.3.2 Recherche en largeur
6.3.3 Algorithme de Bellman-Ford
6.3.4 Algorithme de Dijkstra
6.3.5 Algorithme A*
6.4 Application à la carte
6.4.1 Tile et Tiletype
6.4.2 Implémentation de la carte
6.4.3 Programme principal
6.5 Comparaison des performances
7. Domaines d’application
8. Synthèse

Algorithmes génétiques
1. Présentation du chapitre
2. Évolution biologique
2.1 Le concept d'évolution
2.2 Les causes des mutations
2.3 Le support de cette information : les facteurs
2.4 Des facteurs au code génétique
2.5 Le « cycle de la vie »
3. Évolution artificielle
3.1 Principes
3.2 Vue d'ensemble du cycle
3.2.1 Phases d'initialisation et de terminaison
3.2.2 Phase de sélection
3.2.3 Phase de reproduction avec mutations
3.2.4 Phase de survie
3.3 Convergence
4. Exemple du robinet
4.1 Présentation du problème
4.2 Initialisation de l'algorithme
4.3 Évaluation des individus
4.4 Reproduction avec mutations
4.5 Survie
4.6 Suite du processus
5. Choix des représentations
5.1 Population et individus
5.2 Gènes
5.3 Cas d'un algorithme de résolution de labyrinthe
6. Évaluation, sélection et survie
6.1 Choix de la fonction d’évaluation
6.2 Opérateurs de sélection
6.3 Opérateurs de survie
7. Reproduction : crossover et mutation
7.1 Crossover
7.2 Mutation
8. Domaines d’application
9. Implémentation d'un algorithme génétique
9.1 Implémentation générique d'un algorithme
9.1.1 Spécifications
9.1.2 Paramètres
9.1.3 Individus et gènes
9.1.4 IHM
9.1.5 Processus évolutionnaire
9.2 Utilisation pour le voyageur de commerce
9.2.1 Présentation du problème
9.2.2 Environnement
9.2.3 Gènes
9.2.4 Individus
9.2.5 Programme principal
9.2.6 Résultats
9.3 Utilisation pour la résolution d'un labyrinthe
9.3.1 Présentation du problème
9.3.2 Environnement
9.3.3 Gènes
9.3.4 Individus
9.3.5 Programme principal
9.3.6 Résultats
10. Coévolution
11. Synthèse

Métaheuristiques d'optimisation
1. Présentation du chapitre
2. Optimisation et minimums
2.1 Exemples
2.2 Le problème du sac à dos
2.3 Formulation des problèmes
2.4 Résolution mathématique
2.5 Recherche exhaustive
2.6 Métaheuristiques
3. Algorithmes gloutons
4. Descente de gradient
5. Recherche tabou
6. Recuit simulé
7. Optimisation par essaims particulaires
8. Méta-optimisation
9. Domaines d’application
10. Implémentation
10.1 Classes génériques
10.2 Implémentation des différents algorithmes
10.2.1 Algorithme glouton
10.2.2 Descente de gradient
10.2.3 Recherche tabou
10.2.4 Recuit simulé
10.2.5 Optimisation par essaims particulaires
10.3 Résolution du problème du sac à dos
10.3.1 Implémentation du problème
10.3.2 Algorithme glouton
10.3.3 Descente de gradient
10.3.4 Recherche tabou
10.3.5 Recuit simulé
10.3.6 Optimisation par essaims particulaires
10.3.7 Programme principal
10.4 Résultats obtenus
11. Synthèse

Systèmes multi-agents
1. Présentation du chapitre
2. Origine biologique
2.1 Les abeilles et la danse
2.2 Les termites et le génie civil
2.3 Les fourmis et l'optimisation de chemins
2.4 Intelligence sociale
3. Systèmes multi-agents
3.1 L'environnement
3.2 Les objets
3.3 Les agents
4. Classification des agents
4.1 Perception du monde
4.2 Prise des décisions
4.3 Coopération et communication
4.4 Capacités de l'agent
5. Principaux algorithmes
5.1 Algorithmes de meutes
5.2 Optimisation par colonie de fourmis
5.3 Systèmes immunitaires artificiels
5.4 Automates cellulaires
6. Domaines d’application
6.1 Simulation de foules
6.2 Planification
6.3 Phénomènes complexes
7. Implémentation
7.1 Banc de poissons
7.1.1 Les objets du monde et les zones à éviter
7.1.2 Les agents-poissons
7.1.3 L'océan
7.1.4 L'application graphique
7.1.5 Résultats obtenus
7.2 Tri sélectif
7.2.1 Les déchets
7.2.2 Les agents nettoyeurs
7.2.3 L'environnement
7.2.4 L'application graphique
7.2.5 Résultats obtenus
7.3 Le jeu de la vie
7.3.1 La grille
7.3.2 L'application graphique
7.3.3 Résultats obtenus
8. Synthèse

Réseaux de neurones
1. Présentation du chapitre
2. Origine biologique
3. Le neurone formel
3.1 Fonctionnement général
3.2 Fonctions d'agrégation
3.3 Fonctions d'activation
3.3.1 Fonction "heavyside"
3.3.2 Fonction sigmoïde
3.3.3 Fonction gaussienne
3.4 Poids et apprentissage
4. Perceptron
4.1 Structure
4.2 Condition de linéarité
5. Réseaux feed-forward
6. Apprentissage
6.1 Apprentissage non supervisé
6.2 Apprentissage par renforcement
6.3 Apprentissage supervisé
6.3.1 Principe général
6.3.2 Descente de gradient
6.3.3 Algorithme de Widrow-Hoff
6.3.4 Rétropropagation
6.4 Surapprentissage et généralisation
6.4.1 Reconnaître le surapprentissage
6.4.2 Création de sous-ensembles de données
7. Autres réseaux
7.1 Réseaux de neurones récurrents
7.2 Cartes de Kohonen
7.3 Réseaux de Hopfield
8. Domaines d'application
8.1 Reconnaissance de patterns
8.2 Estimation de fonctions
8.3 Création de comportements
9. Implémentation d'un MLP
9.1 Points et ensembles de points
9.2 Neurone
9.3 Réseau de neurones
9.4 IHM
9.5 Système complet
9.6 Programme principal
9.7 Applications
9.7.1 Application au XOR
9.7.2 Application à Abalone
9.7.3 Améliorations possibles
10. Synthèse du chapitre

Bibliographie
1. Bibliographie

Sitographie
1. Pourquoi une sitographie ?
2. Systèmes experts
3. Logique floue
4. Algorithmes génétiques
5. Recherche de chemins
6. Métaheuristiques
7. Systèmes multi-agents
8. Réseaux de neurones

Annexe
1. Installation de SWI-Prolog
2. Utilisation de SWI-Prolog
Index
Critique du livre par la rédaction nico-pyright(c) le 21 juin 2015
Cet ouvrage constitue un point d'entrée pour qui veut découvrir des domaines de l'intelligence artificielle et une façon de l'implémenter en C#. On y parle de thèmes assez divers (systèmes experts, logique floue, recherche de chemins, algorithmes génétiques, métaheuristiques d'optimisation, systèmes multiagents et réseaux de neurones).

Autant le dire tout de suite, c'est une bonne chose de s'être déjà intéressé à l'I.A. auparavant, car malgré des rappels théoriques importants, les concepts abordés sont assez compliqués à appréhender. Malgré tout, l'auteur prend quand même son temps pour y revenir, ce qui est fort appréciable. À noter un très gros avantage de ce livre par rapport à d'autres : il n'y a quasiment pas de math et de formules imbitables ce qui le rend abordable à quelqu'un qui n'a pas fait six ans de FAC …

Cependant, on reste quand même sur une introduction avancée, tant le domaine est vaste.
Le livre est agréable à lire et les exemples de code plutôt bien expliqués. Vous pouvez y aller.




 Poster une réponse

Avatar de djibril djibril - Responsable Perl et Outils https://www.developpez.com
le 21/06/2015 à 9:38
L'Intelligence Artificielle pour les développeurs
Concepts et implémentations en C#
Ce livre sur l'Intelligence Artificielle s'adresse particulièrement aux développeurs et ne nécessite pas de connaissances mathématiques approfondies. Au fil des chapitres, l'auteur présente les principales techniques d'Intelligence Artificielle et, pour chacune d'elles, les inspirations, biologiques, physiques voire mathématiques, puis les différents concepts et principes (sans entrer dans les détails mathématiques), avec des exemples et figures pour chacun de ceux-ci. Les domaines d'application sont illustrés par des applications réelles et actuelles. Chaque chapitre contient un exemple d'implémentation générique, complété par une application pratique, développée en C#. Ces exemples de code étant génériques, ils sont facilement adaptables à de nombreuses applications C#, que ce soit en Silverlight, sur Windows Phone, pour Windows 8 ou pour des applications .Net plus classiques. Les techniques d'Intelligence Artificielle décrites sont : - Les systèmes experts, permettant d'appliquer des règles pour prendre des décisions ou découvrir de nouvelles connaissances. - La logique floue, permettant de contrôler des systèmes informatiques ou mécaniques de manière beaucoup plus souple que les programmes traditionnels. - Les algorithmes de recherche de chemin, dont le A* très utilisé dans les jeux vidéo pour trouver les meilleurs itinéraires. - Les algorithmes génétiques, utilisant la puissance de l'évolution pour apporter des solutions à des problèmes complexes. - Les principales métaheuristiques, dont la recherche tabou, trouvant des optimums à des problèmes d'optimisation, avec ou sans contraintes. - Les systèmes multi-agents, simulant des foules ou permettant des comportements émergents à partir de plusieurs agents très simples. - Les réseaux de neurones, capables de découvrir et de reconnaître des modèles, dans des suites historiques, des images ou encore des données. Pour aider le lecteur à passer de la théorie à la pratique, l'auteur propose en téléchargement sur le site www.editions-eni.fr, sept projets Visual Studio 2013 (un par technique d'Intelligence Artificielle), développés en C#. Chaque projet contient une PCL, pour la partie générique, et une application WPF, pour la partie spécifique à l'application proposée. Le livre se termine par une bibliographie, permettant au lecteur de trouver plus d'informations sur ces différentes techniques, une sitographie listant quelques articles présentant des applications réelles, une annexe et un index. Les chapitres du livre : Avant-propos - Introduction - Systèmes experts - Logique floue - Recherche de chemins - Algorithmes génétiques - Métaheuristiques d'optimisation - Systèmes multi-agents - Réseaux de neurones - Bibliographie - Sitographie - Annexe

[Lire la suite]




couverture du livre Algorithmique

Note 3 drapeau
Détails du livre
Sommaire
Critiques (1)
 
 

Algorithmique

Coffret de 2 livres : Maîtrisez les fondamentaux de la programmation (avec des exemples en Java)

de
Public visé : Débutant

Résumé de l'éditeur

Ces deux livres offrent au lecteur un maximum d'informations sur l'algorithmique et plus de 44 H de mise en pratique sous la forme de TP à réaliser (avec leurs corrigés). Le livre de référence de la collection Ressources Informatiques : Algorithmique - Techniques fondamentales de programmation Ce livre s'adresse à toute personne désireuse de maîtriser les bases essentielles de la programmation. Pour apprendre à programmer, il faut d'abord comprendre ce qu'est vraiment un ordinateur, comment il fonctionne et surtout comment il peut faire fonctionner des programmes, comment il manipule et stocke les données et les instructions, quelle est sa logique. Alors, au fur et à mesure, le reste devient évidence : variables, tests, conditions, boucles, tableaux, fonctions, fichiers, jusqu'aux notions avancées comme les pointeurs et les objets. Dans ce livre, le langage algorithmique (ou la syntaxe du pseudo-code des algorithmes) reprend celui couramment utilisé dans les écoles d'informatique et dans les formations comme les BTS, DUT, premières années d'ingénierie à qui ce livre est en partie destiné et conseillé. Une fois les notions de base acquises, le lecteur trouvera dans ce livre de quoi évoluer vers des notions plus avancées : deux chapitres, l'un sur les pointeurs et les références, l'autre sur les objets, ouvrent les portes de la programmation dans des langages évolués et puissants comme le C, le C++ et surtout Java. Une grande partie des algorithmes de ce livre sont réécrits en Java et les sources sont directement utilisables. Le livre de la collection Les TP Informatiques : Algorithmique - Entraînez-vous et améliorez votre pratique de la programmation Ce livre sur l'algorithmique s'adresse à toute personne qui désire améliorer sa maîtrise d'un langage de programmation et en particulier celle du langage Java. Il propose de nombreux exercices pratiques de difficulté variable pour compléter sa pratique de la programmation (construction d'index, calcul d'intersection de rectangles, calcul de la distance entre deux mots, simulation d'une course automobile, mini-interpréteur d'expression). La programmation est introduite d'abord avec les concepts de variables, boucles, tests, tableaux et sous-programmes. La programmation par objets est ensuite abordée de façon très progressive (écriture de petites classes, gestion des chaînes de caractères, petite hiérarchie de classes). Un chapitre particulier est consacré à la récursivité et les structures de données complexes (listes, arbres, piles) font l'objet du dernier chapitre. Une connaissance des principaux concepts du langage Java est un prérequis à la lecture de ce livre.

Édition : ENI - 647 pages , 7 septembre 2009

ISBN10 : 2746051885 - ISBN13 : 9782746051881

17 x 21 1.038Kg

Commandez sur www.amazon.fr :

46.55 € TTC (prix éditeur 49.00 € TTC) livraison gratuite !
  • Introduction à l'algorithmique
  • Les variables et opérateurs
  • Tests et logique booléenne
  • Les boucles
  • Les tableaux et structures
  • Les sous-programmes
  • Les fichiers
  • Notions avancées
  • Une approche de l'objet
Critique du livre par la rédaction benwit le 1er janvier 2010
L'avantage du coffret est qu'il regroupe deux livres complémentaires (théorique et pratique)
Sur la forme, j'ai trouvé la mise en page un peu austère (sommaire avec de gros interlignes, marges très fines) qui pourrait rebuter lors d'un rapide survol.
Ce qui serait dommage, car le fond est plutôt intéressant. L'approche est didactique et l'auteur présente les concepts les uns après les autres.
J'ai bien aimé le fait d'avoir à la fois des exemples en pseudo-code et en Java. Le premier rappelle ainsi que l'algorithmique est indépendante des langages d'implémentation. Le deuxième quant à lui est directement testable.
Les exemples sont sur le fond très bien. Je reprocherais une fois de plus la forme (des incohérences de casse, de mauvaises indentations). Il est également regrettable que l'auteur n'ait pas suivi les conventions généralement établies pour ses exemples en Java.

J'ai apprécié que l'auteur introduise assez rapidement la notion de complexité d'un algorithme, malheureusement passée trop souvent sous silence.

Je trouve que le choix du langage Java est parfaitement justifié par l'auteur et il permet en plus d'amener progressivement le lecteur vers la POO en fin d'ouvrage.

Pour être tatillon, je ferais deux petites remarques : j'aurais préféré voir le terme "décimaux" à la place de "réels" et que l'auteur utilise moins la convention (false = 0 et true != 0) même s'il a pris des précautions oratoires.

Mis à part le fait que j'aurais bien aimé des exercices sur la complexité, le livre des exercices est plutôt pratique. De petits questionnaires permettent de vérifier les pré requis et des estimations de durée sont fournies.

Si le coffret est principalement destiné à des débutants et des autodidactes qui pourront tester leur compréhension avec les questionnaires et les exercices corrigés, je le recommande également comme ressource à des enseignants qui devraient donner des cours/TD d'algorithmique.


Contacter le responsable de la rubrique Débuter - Algorithmique