L'intelligence artificielle combine des algorithmes mathématiques et des techniques de Machine Learning, Deep Learning et Big Data pour extraire les connaissances contenues dans les données et les présenter de manière compréhensible et automatique. La plupart des techniques d'apprentissage automatique supervisé sont développées tout au long de ce livre d'un point de vue méthodologique et d'un point de vue pratique avec des applications à l'aide du logiciel Python. Les techniques suivantes sont traitées en profondeur : le plus proche voisin (kNN), la machine à vecteur de support (SVM), Naive Bayes, les méthodes d'ensemble, le bagging, le boosting, le vote, l'empilage, le blending, la forêt aléatoire, 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. Ce livre utilise, entre autres, les outils TensorFlow, Keras, PyTorch et Scikit-learn. Les techniques sont développées à l'aide du langage de programmation Python.