Bibliographique

[1] The StatQuest Illustrated Guide to Machine Learning, par Josh Starmer, Ph.D
➡️ Ce guide illustré est reconnu pour sa capacité à vulgariser les concepts complexes de l'apprentissage automatique.

 [2] Studies in Computational Intelligence, Volume 498, éditeur J. Kacprzyk, Warsaw, Poland
➡️ Cette collection regroupe des recherches avancées en intelligence computationnelle, incluant le machine learning, le traitement du langage naturel, et les systèmes intelligents.

 [3] Machine Learning: A Probabilistic Perspective, par Kevin P. Murphy
➡️ Une référence académique de haut niveau, ce livre adopte une approche probabiliste pour expliquer les modèles d'apprentissage automatique.

[4] Pattern Recognition and Machine Learning, par Christopher M. Bishop
➡️ Cet ouvrage est une référence classique dans le domaine de la reconnaissance des formes et de l'apprentissage. Il introduit les modèles probabilistes, la théorie bayésienne, les méthodes d’inférence, etc.

Webographie

[1] Cours de Google Developers sur le machine learning
📍 https://developers.google.com/machine-learning/crash-course?hl=fr 

[2] Documentation officielle de Scikit-learn : apprentissage supervisé
📍 https://scikit-learn.org/stable/supervised_learning.html

[3]   Cours du site GeeksforGeeks sur le machine learning
📍 https://www.geeksforgeeks.org/machine-learning/machine-learning/