Titre : |
Data science : Cours et exercices |
Type de document : |
texte imprimé |
Auteurs : |
Massih-Reza Amini, ; Renaud Blanch, ; Clausel, Marianne, ; Durand, Jean-Baptiste, ; ric Gaussier, ; Malick, J©r´me, ; Picard, Christophe, ; Qu©ma, Vivien, ; Qu©not, Georges, |
Editeur : |
Paris : Eyrolles |
Année de publication : |
2018 |
Importance : |
1 vol. (254 p.) |
Présentation : |
graph., fig., couv. ill. en coul. |
Format : |
23 cm. |
ISBN/ISSN/EAN : |
978-2-212-67410-1 |
Note générale : |
978-2-212-67410-1 |
Langues : |
Français (fre) |
Catégories : |
Informatique
|
Mots-clés : |
Informatique |
Index. décimale : |
004 - Informatique |
Résumé : |
L'ouvrage Data Science : cours et exercices a pour ambition de traiter tous les aspects du métier de data scientist. Du prétraitement et la gestion des données en passant par l'analyse, la modélisation et la (data) visualisation. Ne se contenant pas de s'attarder sur les fondamentaux, il propose également et surtout de nombreux cours et exercices pour les mettre en pratiqu |
Note de contenu : |
Sommaire
Introduction
Prétraitement des données
Gestion de données large-échelle et systèmes distribués
Calcul haute performance
Optimisation pour l'analyse de données
Décomposition matricielle/tensorielle
Modèles génératifs
Modèles discriminants
Deep learning
Visualisation interactive d'information |
Côte titre : |
Fs/23302 |
Data science : Cours et exercices [texte imprimé] / Massih-Reza Amini, ; Renaud Blanch, ; Clausel, Marianne, ; Durand, Jean-Baptiste, ; ric Gaussier, ; Malick, J©r´me, ; Picard, Christophe, ; Qu©ma, Vivien, ; Qu©not, Georges, . - Paris : Eyrolles, 2018 . - 1 vol. (254 p.) : graph., fig., couv. ill. en coul. ; 23 cm. ISBN : 978-2-212-67410-1 978-2-212-67410-1 Langues : Français ( fre)
Catégories : |
Informatique
|
Mots-clés : |
Informatique |
Index. décimale : |
004 - Informatique |
Résumé : |
L'ouvrage Data Science : cours et exercices a pour ambition de traiter tous les aspects du métier de data scientist. Du prétraitement et la gestion des données en passant par l'analyse, la modélisation et la (data) visualisation. Ne se contenant pas de s'attarder sur les fondamentaux, il propose également et surtout de nombreux cours et exercices pour les mettre en pratiqu |
Note de contenu : |
Sommaire
Introduction
Prétraitement des données
Gestion de données large-échelle et systèmes distribués
Calcul haute performance
Optimisation pour l'analyse de données
Décomposition matricielle/tensorielle
Modèles génératifs
Modèles discriminants
Deep learning
Visualisation interactive d'information |
Côte titre : |
Fs/23302 |
|  |