| Titre : |
Data science : fondamentaux et études de cas : machine learning avec Python et R |
| Type de document : |
texte imprimé |
| Auteurs : |
Éric Biernat, Auteur ; Michel Lutz, Auteur ; Yann Le Cun, Préfacier, etc. |
| Editeur : |
Paris : Eyrolles |
| Année de publication : |
2020 |
| Importance : |
XIV, 295 p. |
| Présentation : |
ill. |
| Format : |
23 cm |
| ISBN/ISSN/EAN : |
978-2-212-14243-3 |
| Note générale : |
Bibliogr. en fin de chapitres. Index |
| Langues : |
Français (fre) |
| Mots-clés : |
R (logiciel)
Apprentissage automatique
Python (langage de programmation)
Statistique bayésienne
Analyse de régression
Modèles mathématiques |
| Index. décimale : |
004.62 Traitement de l'information (Data science) |
| Résumé : |
Loin des grands discours abstraits, les auteurs vous feront découvrir, claviers à la main, les pratiques de leur métier de data scientist chez OCTO Technology, l'un des leaders français du domaine. Et vous mettrez également la main à la pâte : avec juste ce qu'il faut de théorie pour comprendre ce qu'impliquent les méthodes mathématiques utilisées, mais surtout avec votre ordinateur personnel, quelques logiciels gratuits et puissants, ainsi qu'un peu de réflexion, vous allez participer activement à cette passionnante exploration !
À qui s'adresse cet ouvrage ?
Aux développeurs, statisticiens, étudiants et chefs de projets ayant à résoudre des problèmes de data science.
Aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art du machine learning. |
| Note de contenu : |
Au sommaire :
1. Le B-A BA du data scientist.
2. Les basiques du data scientist.
3. Les algorithmes et leurs usages : visite guidée.
4. La data science en pratique : quelques concepts généraux.
5. La data science en pratique : au-delà des algorithmes !
6. La temporalité dans les modèles, un cas particulier d'application. |
Data science : fondamentaux et études de cas : machine learning avec Python et R [texte imprimé] / Éric Biernat, Auteur ; Michel Lutz, Auteur ; Yann Le Cun, Préfacier, etc. . - Paris : Eyrolles, 2020 . - XIV, 295 p. : ill. ; 23 cm. ISBN : 978-2-212-14243-3 Bibliogr. en fin de chapitres. Index Langues : Français ( fre)
| Mots-clés : |
R (logiciel)
Apprentissage automatique
Python (langage de programmation)
Statistique bayésienne
Analyse de régression
Modèles mathématiques |
| Index. décimale : |
004.62 Traitement de l'information (Data science) |
| Résumé : |
Loin des grands discours abstraits, les auteurs vous feront découvrir, claviers à la main, les pratiques de leur métier de data scientist chez OCTO Technology, l'un des leaders français du domaine. Et vous mettrez également la main à la pâte : avec juste ce qu'il faut de théorie pour comprendre ce qu'impliquent les méthodes mathématiques utilisées, mais surtout avec votre ordinateur personnel, quelques logiciels gratuits et puissants, ainsi qu'un peu de réflexion, vous allez participer activement à cette passionnante exploration !
À qui s'adresse cet ouvrage ?
Aux développeurs, statisticiens, étudiants et chefs de projets ayant à résoudre des problèmes de data science.
Aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art du machine learning. |
| Note de contenu : |
Au sommaire :
1. Le B-A BA du data scientist.
2. Les basiques du data scientist.
3. Les algorithmes et leurs usages : visite guidée.
4. La data science en pratique : quelques concepts généraux.
5. La data science en pratique : au-delà des algorithmes !
6. La temporalité dans les modèles, un cas particulier d'application. |
|  |
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche
