Titre :	Data science pour l'agriculture et l'environnement : méthodes et applications avec R et Python
Type de document :	texte imprimé
Auteurs :	David Makowski (1972-....), Directeur de publication, rédacteur en chef
Année de publication :	2021
Importance :	1 vol. (256 p.)
Présentation :	ill.
Format :	24 cm
ISBN/ISSN/EAN :	978-2-340-04577-4
Note générale :	Notes bibliogr.
Langues :	Français (fre)
Catégories :	Informatique
Index. décimale :	519.5 Statistique mathématique , analyse statistique
Résumé :	La data science a acquis une grande renommée dans de nombreux domaines mais son utilisation en agriculture et, plus largement dans les sciences environnementales, reste encore limitée. Ce manuel d’initiation vise à démocratiser l’usage de la data science pour des applications en lien avec l’agriculture et l’environnement. L’ouvrage couvre les principales méthodes couramment utilisées pour la prédiction, la classification et le partitionnement de données. Il comporte à la fois des explications détaillées du fonctionnement de chaque méthode, une description de codes R et Python permettant leur utilisation pratique, et des exemples d’applications concrètes en lien avec les sciences agricoles et environnementales.
Côte titre :	Fs/25003

Data science pour l'agriculture et l'environnement : méthodes et applications avec R et Python [texte imprimé] / David Makowski (1972-....), Directeur de publication, rédacteur en chef . - 2021 . - 1 vol. (256 p.) : ill. ; 24 cm.
ISBN : 978-2-340-04577-4
Notes bibliogr.
Langues : Français (fre)

Catégories :	Informatique
Index. décimale :	519.5 Statistique mathématique , analyse statistique
Résumé :	La data science a acquis une grande renommée dans de nombreux domaines mais son utilisation en agriculture et, plus largement dans les sciences environnementales, reste encore limitée. Ce manuel d’initiation vise à démocratiser l’usage de la data science pour des applications en lien avec l’agriculture et l’environnement. L’ouvrage couvre les principales méthodes couramment utilisées pour la prédiction, la classification et le partitionnement de données. Il comporte à la fois des explications détaillées du fonctionnement de chaque méthode, une description de codes R et Python permettant leur utilisation pratique, et des exemples d’applications concrètes en lien avec les sciences agricoles et environnementales.
Côte titre :	Fs/25003