P. Kiruthika / R. Leelavathi / V. Amala Deepa
Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Ce livre est une feuille de route orientée vers la recherche à travers l’apprentissage automatique moderne, structurée selon trois axes : perspectives de recherche, avancées récentes et orientations futures. La partie I établit des méthodologies rigoureuses, une IA centrée sur les données (apprentissage actif, supervision faible, atténuation des biais) et une évaluation critique au-delà des métriques uniques. La partie II passe en revue les architectures neuronales (des Transformers aux modèles d’espace d’états), l’optimisation (SAM, double descente), la modélisation générative (unification de la diffusion), l’apprentissage profond géométrique et l’apprentissage auto-supervisé/multimodal. La partie III traite des modèles fondateurs - lois d’échelle, capacités émergentes (apprentissage en contexte, chaîne de pensée), frontières de l’IA générative (hallucination, génération contrôlable) et approches neuro-symboliques (RAG, utilisation d’outils). La partie IV aborde les grands défis : apprentissage automatique efficace/durable, apprentissage continu/méta-apprentissage, interprétabilité/robustesse/alignement (RLHF, représentation causale) et voies vers l’AGI avec un impact sociétal. Chaque chapitre comprend des questions ouvertes et des listes de contrôle de recherche pratiques, visant à faire passer les lecteurs du statut de consommateurs à celui de contributeurs.