Présentation du livre en françaisintelligence artificielle

Decision Trees in Machine Learning and Data Science

Name: Decision Trees in Machine Learning and Data Science
Author: Faramarz Kowsari

A Visual Infographic Guide from Entropy and Gini to Python, Pruning, and Interpretable AI

« Decision Trees in Machine Learning and Data Science » est un livre de Faramarz Kowsari dans le domaine intelligence artificielle. Cette page de découverte en français organise les métadonnées publiques du livre afin de rendre ses thèmes, son public, sa langue réelle de publication et ses accès officiels plus faciles à trouver.

Les métadonnées publiques rattachent ce titre à l'intelligence artificielle, aux outils d'IA modernes ou aux flux de travail fondés sur les prompts.

Langue de publication: anglais. Cette page est une orientation en français. Le livre lui-même est publié en anglais ; le titre, l'aperçu et les options d'achat sur Google Books correspondent à cette édition.

Voir sur Google Books Ouvrir l'aperçu gratuit Page originale du livre

De quoi parle ce livre ?

Les métadonnées publiques rattachent ce titre à l'intelligence artificielle, aux outils d'IA modernes ou aux flux de travail fondés sur les prompts.

Thèmes mis en avant

Decision treesEntropyGini impurityInformation gainID3 C4.5 CARTPruningPython and scikit-learnInterpretability and overfitting

Description publique originale du livre

anglais

Decision Trees in Machine Learning and Data Science explains tree models visually from first split to production-minded practice. It builds intuition for nodes, thresholds, entropy, Gini impurity, information gain, and split selection, then moves through ID3, C4.5, CART, overfitting, pruning, Python and scikit-learn, projects, interview questions, and reference material. Each concept is reinforced with definitions, formulas, numerical examples, code, outputs, common traps, model warnings, and mini cases, keeping interpretability and variance control visible throughout.

À qui s'adresse le livre ?

Le public visé est fondé sur la description publique du livre. Pour les lecteurs francophones, il faut noter que l'édition disponible est publiée en anglais.

For machine-learning students, data-science practitioners, interview candidates, and readers who value visual explanations and interpretable models.

Objectifs d'apprentissage publiés