Ce livre développe les techniques d'analyse prédictive ou de dépendance multivariée (techniques d'apprentissage supervisé dans le langage moderne du Machine Learning) et plus spécifiquement les techniques de classification d'un point de vue méthodologique et d'un point de vue pratique avec des applications à travers le logiciel Python. Les techniques suivantes sont étudiées en profondeur : Modèles linéaires généralisés (Logit, Probit, Count et autres), Arbres de décision, Analyse discriminante, K-Nearest Neighbour (kNN), Support Vector Machine (SVM), Naive Bayes, Méthodes d'ensemble (Bagging, Boosting, Voting, Stacking, Blending et Random Forest), les réseaux neuronaux, le perceptron multicouche, les réseaux à base radiale, les réseaux Hopfield, les réseaux LSTM, les réseaux récurrents RNN, les réseaux GRU et les réseaux neuronaux pour la prédiction des séries temporelles. Ces techniques constituent un support fondamental pour le développement de l'intelligence artificielle.