Documents disponibles écrits par cet auteur

Data mining et statistique décisionnelle / Stéphane Tufféry

Public ISBD Titre : Data mining et statistique décisionnelle : l'intelligence dans les bases de données Type de document : texte imprimé Auteurs : Stéphane Tufféry, Auteur Editeur : Paris : Technip Année de publication : 2005 Importance : 1 vol. (XVIII-379 p.) Présentation : ill., couv. ill. en coul. Format : 24 cm ISBN/ISSN/EAN : 2-7108-0867-6 Prix : 45 EUR Langues : Français (fre) Mots-clés : 'Marketing'  'Systèmes  d'aide  à  la  décision''Gestion' 'Exploration  de  données''Méthode  des  scores''Data  mining' Index. décimale : 65.012.123 Modèles de décision. Tables de décision. Arbres de décision Résumé : Le data mining et la statistique décisionnelle sont des disciplines de plus en plus répandues dans les entreprises etles organisations soucieuses d'extraire l'information pertinente cachée dans leurs bases de données, en vue notamment d'améliorer leurs processus, leur gestion de la relation client (CRM) et leur maîtrise des risques. Cet ouvrage fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring au web mining et au text mining. Nombre de ces outils appartiennent à l'analyse des données et à la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés...) mais certains sont plus spécifiques au data mining, comme les arbres de décision, les réseaux de neurones, les support vector machines, les algorithmes génétiques, le boosting, etc. Tous sont disponibles dans des logiciels de plus en plus puissants et conviviaux ; un chapitre est notamment destiné à aider le lecteur à se diriger dans un offre fournie et dresse un comparatif très approfondi des deux leaders : SAS et SPSS. L'utilisation des logiciels et l'interprétation des résultats sont illustrées dans tout le livre par de nombreux exemples conduits avec SAS, SPSS et Spad. Les aspects méthodologiques vont de la conduite des projets aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, l'intégration dans le marketing de bases de données, le calcul du retour sur investissement, les interfaces informatiques, sans oublier les contraintes juridiques dès que l'on traite des données à caractère personnel. Cet ouvrage de référence intéressera les statisticiens, les data miners, les utilisateurs et les gestionnaires de bases de données, quel que soit leur secteur d'activité, mais également les décideurs, les économètres, les enseignants et les étudiants en sciences économiques. Note de contenu : Sommaire * Panorama du data mining * Le déroulement d'une étude de data mining * L'exploration et la préparation des données * L'utilisation des données commerciales * Aperçu sur les techniques de data mining * L'analyse factorielle * Les réseaux de neurones * Les techniques de classification automatique * La recherche d'associations * Les techniques de classement et de prédiction * Une application du data mining : le scoring * Les facteurs de succès d'un projet de data mining * Les logiciels de statistique et data mining * Le text mining * Le web mining * Annexes ISBN 13 : 978-2710808671 Data mining et statistique décisionnelle : l'intelligence dans les bases de données [texte imprimé] / Stéphane Tufféry, Auteur . - Paris : Technip, 2005 . - 1 vol. (XVIII-379 p.) : ill., couv. ill. en coul. ; 24 cm. ISBN : 2-7108-0867-6 : 45 EUR Langues : Français (fre) Mots-clés : 'Marketing'  'Systèmes  d'aide  à  la  décision''Gestion' 'Exploration  de  données''Méthode  des  scores''Data  mining' Index. décimale : 65.012.123 Modèles de décision. Tables de décision. Arbres de décision Résumé : Le data mining et la statistique décisionnelle sont des disciplines de plus en plus répandues dans les entreprises etles organisations soucieuses d'extraire l'information pertinente cachée dans leurs bases de données, en vue notamment d'améliorer leurs processus, leur gestion de la relation client (CRM) et leur maîtrise des risques. Cet ouvrage fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring au web mining et au text mining. Nombre de ces outils appartiennent à l'analyse des données et à la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés...) mais certains sont plus spécifiques au data mining, comme les arbres de décision, les réseaux de neurones, les support vector machines, les algorithmes génétiques, le boosting, etc. Tous sont disponibles dans des logiciels de plus en plus puissants et conviviaux ; un chapitre est notamment destiné à aider le lecteur à se diriger dans un offre fournie et dresse un comparatif très approfondi des deux leaders : SAS et SPSS. L'utilisation des logiciels et l'interprétation des résultats sont illustrées dans tout le livre par de nombreux exemples conduits avec SAS, SPSS et Spad. Les aspects méthodologiques vont de la conduite des projets aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, l'intégration dans le marketing de bases de données, le calcul du retour sur investissement, les interfaces informatiques, sans oublier les contraintes juridiques dès que l'on traite des données à caractère personnel. Cet ouvrage de référence intéressera les statisticiens, les data miners, les utilisateurs et les gestionnaires de bases de données, quel que soit leur secteur d'activité, mais également les décideurs, les économètres, les enseignants et les étudiants en sciences économiques. Note de contenu : Sommaire * Panorama du data mining * Le déroulement d'une étude de data mining * L'exploration et la préparation des données * L'utilisation des données commerciales * Aperçu sur les techniques de data mining * L'analyse factorielle * Les réseaux de neurones * Les techniques de classification automatique * La recherche d'associations * Les techniques de classement et de prédiction * Une application du data mining : le scoring * Les facteurs de succès d'un projet de data mining * Les logiciels de statistique et data mining * Le text mining * Le web mining * Annexes ISBN 13 : 978-2710808671

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Etat_Exemplaire
050949	65.012.123 TUF	Papier	Bibliothèque Centrale	Management - Gestion	Disponible	En bon état

Data mining et statistique décisionnelle / Stéphane Tufféry

Public ISBD Titre : Data mining et statistique décisionnelle : l'intelligence des données Type de document : texte imprimé Auteurs : Stéphane Tufféry, Auteur Mention d'édition : 4ème éd. act. et augm Editeur : Paris : Technip Année de publication : 2012 Importance : XX, 826 p. Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-7108-1017-9 Note générale : La page de couv. porte en plus : Analyse discriminante, apprentissage statistique, arbres de décision, classification, exploration des données, modèles linéaires, régression logistique, règles d'associations, scoring, text mining Bibliogr. p. [809]-820. - Notes bibliogr. - Index Langues : Français (fre) Mots-clés : Exploration  de  données Systèmes  d'aide  à  la  décision Prise  de  décision  (statistique) Index. décimale : 65.012.123 Modèles de décision. Tables de décision. Arbres de décision Résumé : Cette quatrième édition, actualisée et augmentée de 120 pages, fait le point sur le data mining, ses fondements théoriques, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au web mining et au text mining. Nombre de ses outils appartiennent à l'analyse des données et à la statistique "classique" (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée...), mais certains sont plus spécifiques au data mining, comme les arbres de décision, les réseaux de neurones, les SVM, l'agrégation de modèles et la détection des règles d'associations. Ces outils sont disponibles dans des logiciels de plus en plus puissants et conviviaux, aptes à exécuter de nombreux algorithmes sur de grands volumes de données. Un chapitre de l'ouvrage aide le lecteur à se diriger dans cette offre logicielle et détaille les fonctionnalités des trois principaux logiciels : R, SAS et IBM SPSS. Ces logiciels sont aussi utilisés pour illustrer par des exemples de nombreuses explications théoriques. Une partie de 50 pages est consacrée à une étude de cas complète de creditscoring, qui va de l'exploration des données jusqu'à l'élaboration de la grille de score. Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, leur intégration dans les processus opérationnels, sans oublier les contraintes juridiques dès que l'on traite des données à caractère personnel. Note de contenu : Au sommaire : 1. Panorama du data mining 2. Le déroulement d'une étude de data mining 3. L'exploration et la préparation des données 4. L'utilisation des données commerciales et géodémographiques 5. Les logiciels de statistique et de data mining 6. Panorama des méthodes de data mining 7. L'analyse factorielle 8. Les réseaux de neurones 9. Les techniques de classification automatique 10. La recherche des règles d'associations 11. Les techniques de classement et de prédiction 12. L'analyse discriminante linéaire et ses généralisations ... Data mining et statistique décisionnelle : l'intelligence des données [texte imprimé] / Stéphane Tufféry, Auteur  . -  4ème éd. act. et augm . - Paris : Technip, 2012 . - XX, 826 p. : ill. ; 24 cm. ISBN : 978-2-7108-1017-9 La page de couv. porte en plus : Analyse discriminante, apprentissage statistique, arbres de décision, classification, exploration des données, modèles linéaires, régression logistique, règles d'associations, scoring, text mining Bibliogr. p. [809]-820. - Notes bibliogr. - Index Langues : Français (fre) Mots-clés : Exploration  de  données Systèmes  d'aide  à  la  décision Prise  de  décision  (statistique) Index. décimale : 65.012.123 Modèles de décision. Tables de décision. Arbres de décision Résumé : Cette quatrième édition, actualisée et augmentée de 120 pages, fait le point sur le data mining, ses fondements théoriques, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au web mining et au text mining. Nombre de ses outils appartiennent à l'analyse des données et à la statistique "classique" (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée...), mais certains sont plus spécifiques au data mining, comme les arbres de décision, les réseaux de neurones, les SVM, l'agrégation de modèles et la détection des règles d'associations. Ces outils sont disponibles dans des logiciels de plus en plus puissants et conviviaux, aptes à exécuter de nombreux algorithmes sur de grands volumes de données. Un chapitre de l'ouvrage aide le lecteur à se diriger dans cette offre logicielle et détaille les fonctionnalités des trois principaux logiciels : R, SAS et IBM SPSS. Ces logiciels sont aussi utilisés pour illustrer par des exemples de nombreuses explications théoriques. Une partie de 50 pages est consacrée à une étude de cas complète de creditscoring, qui va de l'exploration des données jusqu'à l'élaboration de la grille de score. Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, leur intégration dans les processus opérationnels, sans oublier les contraintes juridiques dès que l'on traite des données à caractère personnel. Note de contenu : Au sommaire : 1. Panorama du data mining 2. Le déroulement d'une étude de data mining 3. L'exploration et la préparation des données 4. L'utilisation des données commerciales et géodémographiques 5. Les logiciels de statistique et de data mining 6. Panorama des méthodes de data mining 7. L'analyse factorielle 8. Les réseaux de neurones 9. Les techniques de classification automatique 10. La recherche des règles d'associations 11. Les techniques de classement et de prédiction 12. L'analyse discriminante linéaire et ses généralisations ...

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Etat_Exemplaire
054234	65.012.123 TUF	Papier	Bibliothèque Centrale	Management - Gestion	Disponible
055162	65.012.123 TUF	Papier	Bibliothèque Centrale	Management - Gestion	Disponible	Exclu du prêt