Des services pour PMB
Accueil
Indexation 004.8 : Intelligence artificiel
Ouvrages de la bibliothèque en indexation 004.8 (5)
Faire une suggestion Affiner la recherche Interroger des sources externes
Titre : Al AND MACHINE LEARNING FOR NETWORK AND SECURITY MANAGEMENT Type de document : texte imprimé Auteurs : Wu Yulei, Auteur ; Ge Jinggo, Auteur ; Li Tong, Auteur Editeur : IEEE Press Series on Networksv and Services Management Année de publication : 2023 Importance : 277p. Présentation : couv. ill. en coul.photos. Format : 25 cm ISBN/ISSN/EAN : 978-1-119-83587-5 Langues : Anglais (eng) Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : MACHINE LEARNING ARCHITECTURE OF MACHINE VIRTUAL NETWORK Index. décimale : 004.8 Intelligence artificiel Résumé : Extensive Resource for Understanding Key Tasks of Network and Security Management
Al and Machine Learning for Network and Security Management covers a range of key topics of network automation for network and security management, including resource allocation and scheduling, network planning and routing, encrypted traffic classification, anomaly detection, and security operations. In addition, the authors introduce their large-scale intelligent network management and operation system and elaborate on how the aforementioned areas can be integrated into this system, plus how the network service can benefit.
Sample ideas covered in this thought-provoking work include:
How cognitive means, e.g., knowledge transfer, can help with network and security management
• How different advanced Al and machine learning techniques can be useful and helpful to facilitate network automation
• How the introduced techniques can be applied to many other related network and security management tasks
Network engineers, content service providers, and cybersecurity service providers can use Al and Machine Learning for Network and Security Management to make better and more informed decisions in their areas of specialization. Students in a variety of related study programs will also derive value from the work by gaining a base understanding of historical foundational knowledge and seeing the key recent developments that have been made in the field.
Yulei Wu, is a Senior Lecturer with the Department of Computer Science, Faculty of Environment, Science and Economy, University of Exeter, UK. His research focuses on networking, Internet of Things, edge intelligence, information security, and ethical Al. He serves as an Associate Editor for IEEE Transactions on Network and Service Management, and IEEE Transactions on Network Science and Engineering, as well as an Editorial Board Member of Computer Networks, Future Generation Computer Systems, and Nature Scientific Reports at Nature Portfolio. He is a Senior Member of the IEEE and the ACM, and a Fellow of the HEA (Higher Education Academy).
Jingguo Ge, is currently a Professor of the Institute of Information Engineering, Chinese Academy of Sciences (CAS), and also a Professor of School of Cyber Security, University of Chinese Academy of Sciences. His research focuses on Future Network Architecture, 5G/6G, Software-defined networking (SDN), Cloud Native networking, Zero Trust Architecture. He has published more than 60 research papers and is the holder of 28 patents. He participated in the formulation of 3 ITU standards on IMT2020.
Tong Li, is currently a Senior Engineer of Institute of Information Engineering at the Chinese Academy of Sciences (CAS). His research and engineering focus on Computer Networks, Cloud Computing, Software-Defined Networking (SDN), and Distributed Network and Security Management. He participated 2 ITU standards on IMT2020 and developed many large-scale software systems on SDN, network management and orchestration.Al AND MACHINE LEARNING FOR NETWORK AND SECURITY MANAGEMENT [texte imprimé] / Wu Yulei, Auteur ; Ge Jinggo, Auteur ; Li Tong, Auteur . - IEEE Press Series on Networksv and Services Management, 2023 . - 277p. : couv. ill. en coul.photos. ; 25 cm.
ISBN : 978-1-119-83587-5
Langues : Anglais (eng)
Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : MACHINE LEARNING ARCHITECTURE OF MACHINE VIRTUAL NETWORK Index. décimale : 004.8 Intelligence artificiel Résumé : Extensive Resource for Understanding Key Tasks of Network and Security Management
Al and Machine Learning for Network and Security Management covers a range of key topics of network automation for network and security management, including resource allocation and scheduling, network planning and routing, encrypted traffic classification, anomaly detection, and security operations. In addition, the authors introduce their large-scale intelligent network management and operation system and elaborate on how the aforementioned areas can be integrated into this system, plus how the network service can benefit.
Sample ideas covered in this thought-provoking work include:
How cognitive means, e.g., knowledge transfer, can help with network and security management
• How different advanced Al and machine learning techniques can be useful and helpful to facilitate network automation
• How the introduced techniques can be applied to many other related network and security management tasks
Network engineers, content service providers, and cybersecurity service providers can use Al and Machine Learning for Network and Security Management to make better and more informed decisions in their areas of specialization. Students in a variety of related study programs will also derive value from the work by gaining a base understanding of historical foundational knowledge and seeing the key recent developments that have been made in the field.
Yulei Wu, is a Senior Lecturer with the Department of Computer Science, Faculty of Environment, Science and Economy, University of Exeter, UK. His research focuses on networking, Internet of Things, edge intelligence, information security, and ethical Al. He serves as an Associate Editor for IEEE Transactions on Network and Service Management, and IEEE Transactions on Network Science and Engineering, as well as an Editorial Board Member of Computer Networks, Future Generation Computer Systems, and Nature Scientific Reports at Nature Portfolio. He is a Senior Member of the IEEE and the ACM, and a Fellow of the HEA (Higher Education Academy).
Jingguo Ge, is currently a Professor of the Institute of Information Engineering, Chinese Academy of Sciences (CAS), and also a Professor of School of Cyber Security, University of Chinese Academy of Sciences. His research focuses on Future Network Architecture, 5G/6G, Software-defined networking (SDN), Cloud Native networking, Zero Trust Architecture. He has published more than 60 research papers and is the holder of 28 patents. He participated in the formulation of 3 ITU standards on IMT2020.
Tong Li, is currently a Senior Engineer of Institute of Information Engineering at the Chinese Academy of Sciences (CAS). His research and engineering focus on Computer Networks, Cloud Computing, Software-Defined Networking (SDN), and Distributed Network and Security Management. He participated 2 ITU standards on IMT2020 and developed many large-scale software systems on SDN, network management and orchestration.Exemplaires(0)
Disponibilité aucun exemplaire
Titre : Artificial intelligence and the city : urbanistic perspectives on AI Type de document : texte imprimé Auteurs : Federico Cugurullo (19..-..), Directeur de publication ; Federico Caprotti (1980-..), Directeur de publication ; Matthew A Cook (19..-..), Directeur de publication ; Andrew Karvonen (1971-..), Directeur de publication ; Pauline McGuirk, Directeur de publication ; Simon Marvin (1963-..), Directeur de publication Editeur : New York, NY : Routledge, Taylor & Francis Group Année de publication : 2024 Importance : 1 volume (XX-400 pages) Format : 24 cm ISBN/ISSN/EAN : 978-1-03-243146-8 Langues : Anglais (eng) Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : artificial intelligence
Cities and towns
City planningIndex. décimale : 004.8 Intelligence artificiel Résumé : "Artificial intelligence (AI) is transforming cities in unprecedented ways which go beyond smart urbanism. Drawing upon a range of urban disciplines and over 20 international case studies, this book explores in theory and practice how AI intersects with and alters the city. The chapters reveal a multitude of repercussions that AI is having on urban society, urban infrastructure, urban governance, urban planning and urban sustainability. At the same time, this collection examines how the city, far from being a passive recipient of new technologies, is influencing and reframing AI through subtle processes of co-constitution. Overall, the book advances three main contributions and arguments. First, it provides empirical evidence of the emergence of a post-smart trajectory for cities in which new material and decision-making capabilities are being assembled through multiple AIs. Second, it stresses the importance of understanding the mutually constitutive relations between the new experiences enabled by AI technology and the urban context. Third, it engages with the concepts required to clarify the opaque relations that exist between AI and the city, as well as how to make sense of these relations from a theoretical perspective. In essence, this collection offers a state-of-the-art analysis and review of AI urbanism, from its roots to its global emergence"-- Artificial intelligence and the city : urbanistic perspectives on AI [texte imprimé] / Federico Cugurullo (19..-..), Directeur de publication ; Federico Caprotti (1980-..), Directeur de publication ; Matthew A Cook (19..-..), Directeur de publication ; Andrew Karvonen (1971-..), Directeur de publication ; Pauline McGuirk, Directeur de publication ; Simon Marvin (1963-..), Directeur de publication . - New York, NY : Routledge, Taylor & Francis Group, 2024 . - 1 volume (XX-400 pages) ; 24 cm.
ISBN : 978-1-03-243146-8
Langues : Anglais (eng)
Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : artificial intelligence
Cities and towns
City planningIndex. décimale : 004.8 Intelligence artificiel Résumé : "Artificial intelligence (AI) is transforming cities in unprecedented ways which go beyond smart urbanism. Drawing upon a range of urban disciplines and over 20 international case studies, this book explores in theory and practice how AI intersects with and alters the city. The chapters reveal a multitude of repercussions that AI is having on urban society, urban infrastructure, urban governance, urban planning and urban sustainability. At the same time, this collection examines how the city, far from being a passive recipient of new technologies, is influencing and reframing AI through subtle processes of co-constitution. Overall, the book advances three main contributions and arguments. First, it provides empirical evidence of the emergence of a post-smart trajectory for cities in which new material and decision-making capabilities are being assembled through multiple AIs. Second, it stresses the importance of understanding the mutually constitutive relations between the new experiences enabled by AI technology and the urban context. Third, it engages with the concepts required to clarify the opaque relations that exist between AI and the city, as well as how to make sense of these relations from a theoretical perspective. In essence, this collection offers a state-of-the-art analysis and review of AI urbanism, from its roots to its global emergence"-- Exemplaires(0)
Disponibilité aucun exemplaire
Titre : Conduite de projets informatiques : developpement, analyse et pilotage Type de document : texte imprimé Auteurs : Brice-Arnaud Guerin Mention d'édition : 3e ed. Editeur : Saint-Herblain : Editions ENI Année de publication : cop. 2015 Collection : Datapro Importance : 1 vol. (405 p.) Présentation : ill. Format : 21 cm ISBN/ISSN/EAN : 978-2-7460-9261-7 Note générale : Glossaire. Index. Langues : Français (fre) Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : gestion de projet informatique cycle de vie du projet analyse des besoins planification estimation des charges gestion des risques méthodes agiles pilotage de projet développement logiciel tests et déploiement management informatique Index. décimale : 004.8 Intelligence artificiel Résumé : Cet ouvrage présente une méthodologie complète et opérationnelle pour conduire efficacement un projet informatique, depuis la phase d’expression des besoins jusqu’à la livraison et au pilotage. Brice-Arnaud Guérin aborde les étapes clés du cycle de vie d’un projet : analyse, conception, développement, tests, déploiement et maintenance. L’auteur met en avant les bonnes pratiques de gestion (planification, estimation des charges, gestion des risques, suivi de l’avancement) et compare différentes approches méthodologiques, dont les méthodes classiques et les démarches agiles. Illustré d’exemples concrets et d’outils pratiques, ce livre constitue une référence pour les chefs de projet, analystes et étudiants en informatique. Conduite de projets informatiques : developpement, analyse et pilotage [texte imprimé] / Brice-Arnaud Guerin . - 3e ed. . - Saint-Herblain : Editions ENI, cop. 2015 . - 1 vol. (405 p.) : ill. ; 21 cm. - (Datapro) .
ISBN : 978-2-7460-9261-7
Glossaire. Index.
Langues : Français (fre)
Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : gestion de projet informatique cycle de vie du projet analyse des besoins planification estimation des charges gestion des risques méthodes agiles pilotage de projet développement logiciel tests et déploiement management informatique Index. décimale : 004.8 Intelligence artificiel Résumé : Cet ouvrage présente une méthodologie complète et opérationnelle pour conduire efficacement un projet informatique, depuis la phase d’expression des besoins jusqu’à la livraison et au pilotage. Brice-Arnaud Guérin aborde les étapes clés du cycle de vie d’un projet : analyse, conception, développement, tests, déploiement et maintenance. L’auteur met en avant les bonnes pratiques de gestion (planification, estimation des charges, gestion des risques, suivi de l’avancement) et compare différentes approches méthodologiques, dont les méthodes classiques et les démarches agiles. Illustré d’exemples concrets et d’outils pratiques, ce livre constitue une référence pour les chefs de projet, analystes et étudiants en informatique. Exemplaires(0)
Disponibilité aucun exemplaire
Titre : Data science, Statistique et machine learning Type de document : texte imprimé Auteurs : Tufféry, Stéphane, Auteur ; Saporta, Gilbert, Auteur Mention d'édition : Sixième édition actualisée Editeur : Paris : Technip Année de publication : 2025 Importance : 1 volume (XXIV-999 pages) Présentation : couv.ill.en coul. Format : 24cm. ISBN/ISSN/EAN : 978-2-7108-1201-2 Note générale :
La cinquième édition a paru sous le titre : "Data mining et statistique décisionnelle : la science des données"Langues : Français (fre) Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : Données massives Exploration de données Bases de données Gestion Apprentissage profond Apprentissage automatique Systèmes d'aide à la décision. Index. décimale : 004.8 Intelligence artificiel Résumé :
Depuis la première édition de cet ouvrage, il y a vingt ans, les méthodes et les outils de la science des données ont beaucoup évolué. Avec l’arrivée des big data, les bases de données sont de plus en plus volumineuses et variées, provenant de la finance, de la médecine, de l’industrie, des objets connectés, ou encore des textes et images du Web. Mais si l’on parle de « data science » et plus de « data mining », il s’agit toujours d’entraîner des modèles à extraire des informations dans ces bases de données, à détecter des tendances et à faire des prédictions. Les méthodes de modélisation vont de la statistique la plus théorique à des réseaux de neurones profonds si puissants qu’on parle à leur sujet d’intelligence artificielle. Nous mentionnons les plus récents, les transformers, à la base des grands modèles de langage popularisés par ChatGPT. Malgré la diversité de ces méthodes et de leurs applications, elles s’appuient toutes sur des principes fondamentaux exposés dans l’ouvrage. En apprentissage supervisé, un modèle est une expression mathématique, combinant des fonctions décrites par des paramètres, prenant des données en entrée et donnant en sortie un résultat qui doit être le plus proche possible d’un résultat attendu : pour cela, on ajuste les paramètres à l’aide d’algorithmes d’optimisation, en recherchant aussi la généralité, l’explicabilité et la rapidité de calcul du modèle. En apprentissage non supervisé, un modèle ne vise pas à prédire un résultat mais à détecter des structures dans les données. Cet ouvrage propose une présentation claire et détaillée des méthodes supervisées (analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée, réseaux de neurones, algorithmes génétiques, machines à vecteurs de support, arbres de décision, forêts aléatoires, gradient boosting, etc.) et non supervisées (analyse factorielle, classification automatique, etc.), illustrées de nombreux exemples réalisés avec les logiciels libres R et Python et les logiciels commerciaux SAS et IBM SPSS, lesquels sont aussi comparés en détail dans un chapitre spécifique. Il aborde aussi les aspects méthodologiques de la conduite des projets jusqu’aux facteurs de réussite et aux pièges à éviter, en passant par l’évaluation, la comparaison des modèles, et leur insertion dans les processus opérationnels. Un guide indispensable pour tous ceux qui souhaitent comprendre et maîtriser les fondements et les avancées de la science des données. (4e de couverture)Note de contenu : Bibliographie pages [979]-992. Notes bibliographiques. Index Data science, Statistique et machine learning [texte imprimé] / Tufféry, Stéphane, Auteur ; Saporta, Gilbert, Auteur . - Sixième édition actualisée . - Paris : Technip, 2025 . - 1 volume (XXIV-999 pages) : couv.ill.en coul. ; 24cm.
ISBN : 978-2-7108-1201-2
La cinquième édition a paru sous le titre : "Data mining et statistique décisionnelle : la science des données"
Langues : Français (fre)
Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : Données massives Exploration de données Bases de données Gestion Apprentissage profond Apprentissage automatique Systèmes d'aide à la décision. Index. décimale : 004.8 Intelligence artificiel Résumé :
Depuis la première édition de cet ouvrage, il y a vingt ans, les méthodes et les outils de la science des données ont beaucoup évolué. Avec l’arrivée des big data, les bases de données sont de plus en plus volumineuses et variées, provenant de la finance, de la médecine, de l’industrie, des objets connectés, ou encore des textes et images du Web. Mais si l’on parle de « data science » et plus de « data mining », il s’agit toujours d’entraîner des modèles à extraire des informations dans ces bases de données, à détecter des tendances et à faire des prédictions. Les méthodes de modélisation vont de la statistique la plus théorique à des réseaux de neurones profonds si puissants qu’on parle à leur sujet d’intelligence artificielle. Nous mentionnons les plus récents, les transformers, à la base des grands modèles de langage popularisés par ChatGPT. Malgré la diversité de ces méthodes et de leurs applications, elles s’appuient toutes sur des principes fondamentaux exposés dans l’ouvrage. En apprentissage supervisé, un modèle est une expression mathématique, combinant des fonctions décrites par des paramètres, prenant des données en entrée et donnant en sortie un résultat qui doit être le plus proche possible d’un résultat attendu : pour cela, on ajuste les paramètres à l’aide d’algorithmes d’optimisation, en recherchant aussi la généralité, l’explicabilité et la rapidité de calcul du modèle. En apprentissage non supervisé, un modèle ne vise pas à prédire un résultat mais à détecter des structures dans les données. Cet ouvrage propose une présentation claire et détaillée des méthodes supervisées (analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée, réseaux de neurones, algorithmes génétiques, machines à vecteurs de support, arbres de décision, forêts aléatoires, gradient boosting, etc.) et non supervisées (analyse factorielle, classification automatique, etc.), illustrées de nombreux exemples réalisés avec les logiciels libres R et Python et les logiciels commerciaux SAS et IBM SPSS, lesquels sont aussi comparés en détail dans un chapitre spécifique. Il aborde aussi les aspects méthodologiques de la conduite des projets jusqu’aux facteurs de réussite et aux pièges à éviter, en passant par l’évaluation, la comparaison des modèles, et leur insertion dans les processus opérationnels. Un guide indispensable pour tous ceux qui souhaitent comprendre et maîtriser les fondements et les avancées de la science des données. (4e de couverture)Note de contenu : Bibliographie pages [979]-992. Notes bibliographiques. Index Exemplaires(0)
Disponibilité aucun exemplaire
Titre : L'intelligence Artificielle : par la pratique: Rappels et problèmes corrigés. Type de document : texte imprimé Auteurs : Okba KAZAR, Auteur Editeur : Allger : Pages Bleues Année de publication : 2023 Collection : LMD/ Ingénieurs Importance : 292p. Présentation : couv. ill. en coul.graph. Format : 26 cm ISBN/ISSN/EAN : 978-9947-34-288-6 Prix : 1 908,00 Langues : Français (fre) Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : intelligence artificielle apprentissage automatique systèmes intelligents résolution de problèmes applications pratiques informatique Index. décimale : 004.8 Intelligence artificiel Résumé : L’Intelligence Artificielle : par la pratique de Okba Kazar est un ouvrage orienté vers l’apprentissage appliqué de l’intelligence artificielle. Il présente les concepts fondamentaux de l’IA tout en mettant l’accent sur leur mise en œuvre pratique à travers des exemples, études de cas et exercices. Le livre aborde notamment les bases de la recherche en intelligence artificielle, les systèmes intelligents, les techniques de résolution de problèmes, ainsi que des notions introductives liées à l’apprentissage automatique et aux systèmes experts. Destiné aux étudiants en informatique et aux praticiens débutants, cet ouvrage permet de relier la théorie aux applications concrètes de l’IA dans des contextes réels. Note de contenu : ce livre est destiné aux:
* Etudiants en master informatique "INTELLIGENCE ARTIFICIELLE" .
* Etudiants ingénieurs en Intelligence Artificielle.L'intelligence Artificielle : par la pratique: Rappels et problèmes corrigés. [texte imprimé] / Okba KAZAR, Auteur . - Allger : Pages Bleues, 2023 . - 292p. : couv. ill. en coul.graph. ; 26 cm. - (LMD/ Ingénieurs) .
ISBN : 978-9947-34-288-6 : 1 908,00
Langues : Français (fre)
Catégories : 004 Informatique. Science et technologie de l'informatique.:004.8 Intelligence artificielle Tags : intelligence artificielle apprentissage automatique systèmes intelligents résolution de problèmes applications pratiques informatique Index. décimale : 004.8 Intelligence artificiel Résumé : L’Intelligence Artificielle : par la pratique de Okba Kazar est un ouvrage orienté vers l’apprentissage appliqué de l’intelligence artificielle. Il présente les concepts fondamentaux de l’IA tout en mettant l’accent sur leur mise en œuvre pratique à travers des exemples, études de cas et exercices. Le livre aborde notamment les bases de la recherche en intelligence artificielle, les systèmes intelligents, les techniques de résolution de problèmes, ainsi que des notions introductives liées à l’apprentissage automatique et aux systèmes experts. Destiné aux étudiants en informatique et aux praticiens débutants, cet ouvrage permet de relier la théorie aux applications concrètes de l’IA dans des contextes réels. Note de contenu : ce livre est destiné aux:
* Etudiants en master informatique "INTELLIGENCE ARTIFICIELLE" .
* Etudiants ingénieurs en Intelligence Artificielle.Exemplaires(0)
Disponibilité aucun exemplaire

004 Informatique

