Ce livre sur l'apprentissage automatique est destiné aux étudiants et aux chercheurs. Il couvre des sujets d'actualité et fournit des bases théoriques, des outils conceptuels et des applications pratiques. Il présente des outils et des concepts théoriques novateurs, abordant des questions complexes et des domaines de recherche en cours. Le livre couvre les techniques avancées de l'apprentissage supervisé, non supervisé et par renforcement avec des exemples pratiques pour plus de clarté. Chaque chapitre s'appuie sur des connaissances fondamentales, en commençant par les principes de base dans le chapitre 1 et une vue d'ensemble des données et des statistiques dans le chapitre 2. Les chapitres 3 et 4 explorent les algorithmes et les applications de l'apprentissage supervisé et non supervisé. Le chapitre 5 présente l'apprentissage par renforcement, le chapitre 6 se concentre sur l'évaluation et la sélection des modèles, et le chapitre 7 examine le réglage des hyperparamètres et les stratégies de sélection des modèles. Le chapitre 8 traite des techniques avancées d'apprentissage supervisé, telles que les méthodes d'ensemble et l'apprentissage auto-supervisé. Le livre vise à donner aux lecteurs une compréhension approfondie de l'apprentissage automatique, en supposant une connaissance fondamentale des statistiques, des probabilités et de l'analyse des algorithmes, et met l'accent sur les preuves et les fondements théoriques.