BENTOVACADEMY
Machine Learning : les Maths en Action
Intelligence Artificielle
Lycée (15-18 ans)
fr

Machine Learning : les Maths en Action

Tome 3 — Vecteurs, régression et descente de gradient

Le Tome 3 relie le programme de mathématiques du lycée au machine learning : vecteurs, fonctions, dérivées et statistiques deviennent des outils concrets pour entraîner un modèle sur de vraies données agricoles et économiques.

Compétences acquises

  • Manipuler des données avec NumPy
  • Construire une régression linéaire à la main
  • Comprendre et régler le taux d'apprentissage
  • Évaluer un modèle avec une erreur moyenne

Sommaire

  1. 01

    Données et vecteurs

    Chaque observation devient un vecteur de nombres. NumPy permet de calculer sur des milliers de lignes d'un coup.

  2. 02

    La régression linéaire

    On cherche la droite y = a·x + b qui passe au plus près des points en minimisant l'erreur quadratique.

  3. 03

    La descente de gradient

    Pour trouver le minimum d'une erreur, on avance pas à pas dans la direction de la pente descendante. La taille du pas s'appelle le taux d'apprentissage α.

  4. 04

    Évaluer un modèle

    On sépare les données en entraînement et test, puis on mesure l'erreur moyenne sur des données jamais vues.

Ce que contient l'ouvrage

Manuel technique de terrain

Cours, exemples réels et fiches réflexes.

Cahier d'Exercices Corrigés

Exercices progressifs avec corrigés détaillés.

Guide Parents / Enseignants

Pour accompagner l'apprenant sans être expert.

Console Python intégrée

Exécutez le code du livre dans le navigateur, même hors-ligne.

Jeu lié

Gradient Racer

Règle α pour faire converger la bille au fond de la vallée.

1/3 niveau gratuit · Badge : Pilote du Gradient

Jouer gratuitement

Avis des lecteurs vérifiés

Pas encore d'avis. Les lecteurs peuvent en laisser depuis l'Espace Lecteur.