Bibliographie

Niveau : Débutant à Intermédiaire
Focus  : Pratique avec code

Points forts :
├── Approche très pratique
├── Exemples concrets avec code
├── Couvre ML classique et Deep Learning
└── Exercices à chaque chapitre

Idéal pour : Débuter avec une approche hands-on

Niveau : Intermédiaire à Avancé
Focus  : Théorie mathématique

Points forts :
├── Fondements mathématiques rigoureux
├── Approche bayésienne
├── Référence académique
└── Excellentes illustrations

Idéal pour : Comprendre la théorie en profondeur

Niveau : Avancé
Focus  : Statistiques et ML

Points forts :
├── Référence statistique
├── Couverture exhaustive
├── Disponible gratuitement en PDF
└── Exercices mathématiques

Idéal pour : Background statistique solide

Niveau : Débutant à Intermédiaire
Focus  : Introduction accessible aux stats ML

Points forts :
├── Version accessible de "Elements"
├── Exemples en R et Python
├── Gratuit en PDF
└── Labs pratiques

Idéal pour : Première approche statistique du ML

Niveau : Intermédiaire à Avancé
Focus  : Théorie du Deep Learning

Points forts :
├── LA référence académique
├── Fondements mathématiques complets
├── Écrit par des pionniers
└── Disponible gratuitement en ligne

Idéal pour : Comprendre le DL en profondeur

Niveau : Débutant à Intermédiaire
Focus  : Keras et TensorFlow

Points forts :
├── Par le créateur de Keras
├── Approche intuitive
├── Excellents exemples pratiques
└── Code moderne

Idéal pour : Apprendre Keras/TensorFlow

Niveau : Intermédiaire
Focus  : DL interactif

Points forts :
├── Notebooks interactifs
├── Multi-framework (PyTorch, TensorFlow, JAX)
├── Gratuit en ligne
└── Mise à jour régulière

Idéal pour : Apprentissage interactif

Niveau : Intermédiaire à Avancé
Focus  : NLP complet

Points forts :
├── Référence NLP exhaustive
├── Des fondamentaux aux Transformers
├── Gratuit en ligne (draft)
└── Régulièrement mis à jour

Idéal pour : Maîtriser le NLP

Niveau : Intermédiaire
Focus  : Hugging Face et Transformers

Points forts :
├── Par l'équipe Hugging Face
├── Très pratique
├── Applications modernes
└── Code à jour

Idéal pour : Utiliser les Transformers en pratique

Niveau : Intermédiaire à Avancé
Focus  : Fondements du RL

Points forts :
├── LA référence du domaine
├── Par les pionniers du RL
├── Théorie complète
└── Gratuit en ligne

Idéal pour : Apprendre le RL de A à Z

Niveau : Tout public
Focus  : Impact sociétal des algorithmes

Points forts :
├── Accessible sans background technique
├── Cas concrets et frappants
├── Critique constructive
└── Prix National Book Award

Idéal pour : Comprendre les enjeux éthiques

Niveau : Tout public
Focus  : Géopolitique et infrastructure de l'IA

Points forts :
├── Perspective critique
├── Impact environnemental et social
├── Bien documenté
└── Vision systémique

Idéal pour : Vue d'ensemble des enjeux

RESSOURCES PAPERS :

arXiv.org
├── cs.LG (Machine Learning)
├── cs.CL (Computation and Language)
├── cs.CV (Computer Vision)
└── stat.ML (Statistics ML)

Papers With Code
├── State-of-the-art par tâche
├── Code associé aux papers
└── Datasets et benchmarks

Semantic Scholar
├── Recherche sémantique
├── Graphes de citations
└── Alertes personnalisées

Connected Papers
├── Visualisation des connexions
└── Découverte de papers liés

LIVRES ESSENTIELS PAR NIVEAU :

Débutant :
├── Hands-On ML (Géron)
├── Deep Learning with Python (Chollet)
└── ISLR (Hastie et al.)

Intermédiaire :
├── Deep Learning (Goodfellow)
├── Pattern Recognition (Bishop)
└── NLP with Transformers

Avancé :
├── ESL (Hastie et al.)
├── RL: An Introduction (Sutton)
└── Papers de conférences

PAPERS INCONTOURNABLES :
├── Attention Is All You Need (Transformers)
├── BERT, GPT (LLM)
├── ResNet (Vision)
└── AlexNet (Révolution DL)

CONFÉRENCES :
NeurIPS, ICML, ICLR, CVPR, ACL