|
| Titre : |
Data scientist et langage R : guide d'autoformation à l'exploitation intelligente des big data |
| Type de document : |
texte imprimé |
| Auteurs : |
Henri Laude, Auteur ; Eva Laude, Auteur |
| Mention d'édition : |
2e éd. |
| Editeur : |
Saint-Herblain : Éd. ENI |
| Année de publication : |
2018 |
| Collection : |
Epsilon (Saint-Herblain), ISSN 1960-3444 |
| Importance : |
1 vol. (811 p.) |
| Présentation : |
ill. |
| Format : |
21 cm |
| ISBN/ISSN/EAN : |
978-2-409-01397-3 |
| Note générale : |
Bibliogr. et webliogr. p. 769-771. Index |
| Langues : |
Français (fre) |
| Catégories : |
Informatique
|
| Mots-clés : |
Données massives
Apprentissage automatique
Exploration de données
Ordinateurs : Programmation
R (logiciel) |
| Index. décimale : |
006.3 - Intelligence artificielle |
| Résumé : |
Tous les experts s'accordent à dire que 90% des usages du Big Data proviennent de l'utilisation des data sciences et que celles-ci contribuent à l'essor de l'Intelligence Artificielle. L'objectif de ce livre est de proposer une formation complète et opérationnelle sur les data sciences qui permet de délivrer des solutions via l'usage du langage R. Ainsi, les auteurs proposent un parcours didactique et professionnalisant qui, sans autre prérequis qu'un niveau Bac en mathématiques et une grande curiosité, permet au lecteur : - de s'intégrer à une équipe de data scientists, - d'aborder la lecture d'articles de recherche en IA ou data sciences, - le cas échéant de développer en langage R, y compris ses propres algorithmes, des graphiques complexes et des tableaux de bord interactifs, - ou tout simplement de manager une équipe projet comprenant des data scientists, en étant à même de dialoguer avec eux de façon efficace.
Le livre ne se cantonne pas aux algorithmes classiques du "machine learning" (arbres de décision, réseaux neuronaux...), il aborde divers sujets importants comme le traitement du langage naturel, les séries temporelles, la logique floue, la manipulation des images. La dynamique de l'ouvrage soutient le lecteur pas à pas dans sa découverte des data sciences et l'évolution de ses compétences théoriques et pratiques.
Le praticien en exercice y découvrira également de nombreux savoir-faire à acquérir et le manager pourra surfer sur l'ouvrage après avoir lu attentivement le bestiaire des data sciences de l'introduction, qui sans inexactitude ou vulgarisation excessive présente le sujet en faisant l'économie de mathématiques ou de formalismes dissuasifs. Les programmes R décrits dans le livre sont accessibles en téléchargement sur le site www.editions-eni.fr et peuvent être exécutés pas à pas. |
| Note de contenu : |
Sommaire
Introduction
Premiers pas avec R
Maîtriser les bases
Techniques et algorithmes incontournables
Cadre méthodologique du data scientist
Traitement du langage naturel
Graphes et réseaux
Autres problèmes, autres solutions
Feature Engineering
Compléments utiles
Full Stack R
Partager ses analyses
Cartographie
TensorFlow
Annexes |
| Côte titre : |
Fs/24194-24195 |
Data scientist et langage R : guide d'autoformation à l'exploitation intelligente des big data [texte imprimé] / Henri Laude, Auteur ; Eva Laude, Auteur . - 2e éd. . - Saint-Herblain : Éd. ENI, 2018 . - 1 vol. (811 p.) : ill. ; 21 cm. - ( Epsilon (Saint-Herblain), ISSN 1960-3444) . ISBN : 978-2-409-01397-3 Bibliogr. et webliogr. p. 769-771. Index Langues : Français ( fre)
| Catégories : |
Informatique
|
| Mots-clés : |
Données massives
Apprentissage automatique
Exploration de données
Ordinateurs : Programmation
R (logiciel) |
| Index. décimale : |
006.3 - Intelligence artificielle |
| Résumé : |
Tous les experts s'accordent à dire que 90% des usages du Big Data proviennent de l'utilisation des data sciences et que celles-ci contribuent à l'essor de l'Intelligence Artificielle. L'objectif de ce livre est de proposer une formation complète et opérationnelle sur les data sciences qui permet de délivrer des solutions via l'usage du langage R. Ainsi, les auteurs proposent un parcours didactique et professionnalisant qui, sans autre prérequis qu'un niveau Bac en mathématiques et une grande curiosité, permet au lecteur : - de s'intégrer à une équipe de data scientists, - d'aborder la lecture d'articles de recherche en IA ou data sciences, - le cas échéant de développer en langage R, y compris ses propres algorithmes, des graphiques complexes et des tableaux de bord interactifs, - ou tout simplement de manager une équipe projet comprenant des data scientists, en étant à même de dialoguer avec eux de façon efficace.
Le livre ne se cantonne pas aux algorithmes classiques du "machine learning" (arbres de décision, réseaux neuronaux...), il aborde divers sujets importants comme le traitement du langage naturel, les séries temporelles, la logique floue, la manipulation des images. La dynamique de l'ouvrage soutient le lecteur pas à pas dans sa découverte des data sciences et l'évolution de ses compétences théoriques et pratiques.
Le praticien en exercice y découvrira également de nombreux savoir-faire à acquérir et le manager pourra surfer sur l'ouvrage après avoir lu attentivement le bestiaire des data sciences de l'introduction, qui sans inexactitude ou vulgarisation excessive présente le sujet en faisant l'économie de mathématiques ou de formalismes dissuasifs. Les programmes R décrits dans le livre sont accessibles en téléchargement sur le site www.editions-eni.fr et peuvent être exécutés pas à pas. |
| Note de contenu : |
Sommaire
Introduction
Premiers pas avec R
Maîtriser les bases
Techniques et algorithmes incontournables
Cadre méthodologique du data scientist
Traitement du langage naturel
Graphes et réseaux
Autres problèmes, autres solutions
Feature Engineering
Compléments utiles
Full Stack R
Partager ses analyses
Cartographie
TensorFlow
Annexes |
| Côte titre : |
Fs/24194-24195 |
|  |
Ajouter le résultat dans votre panier Affiner la recherche
