| Titre : | Data science avec Microsoft Azure : maîtrisez le machine learning sur Cortana intelligence suite | | Type de document : | texte imprimé | | Auteurs : | Madjid Khichane, Auteur ; Pierre Bruno, Préfacier, etc. | | Editeur : | Nantes [France] : Editions ENI | | Année de publication : | 2018 | | Collection : | Epsilon | | Sous-collection : | Informatique technique | | Importance : | 346 p. | | Présentation : | ill. | | Format : | 21 cm | | ISBN/ISSN/EAN : | 978-2-409-01278-5 | | Note générale : | La page de couv. porte en plus : Version numérique offerte www.editions-eni.fr; fichiers complémentaires à télécharger. - Index | | Langues : | Français (fre) | | Mots-clés : | Microsoft Windows Azure (informatique)
Machine learning ; Sciences de l'information | | Index. décimale : | 004.62 Traitement de l'information (Data science) | | Résumé : |
Ce livre s'adresse à deux profils de lecteurs, les professionnels ou les étudiants, souhaitant se former à la Data Science. L'auteur a choisi de traiter ce sujet selon deux axes, scientifique et technique, permettant de donner au lecteur les connaissances théoriques et pratiques nécessaires à la pratique de la Data Science.
L'axe scientifique regroupe principalement, mais pas seulement, les notions fondamentales et la démarche de la Data Science, la modélisation d'un problème et le choix des métriques pour mesurer la performance d'un modèle ou encore les notions mathématiques sous-jacentes aux algorithmes du Machine Learning. L'axe technique quant à lui couvre les aspects pratiques de la Data Science qui sont, dans ce livre, illustrés sur la plateforme Microsoft Azure.
Ainsi, en plus de l'initiation à la Data Science, le lecteur est invité à développer une première compétence technique portant sur l'environnement Microsoft Cortana Intelligence Suite et en particulier, sur l'environnement Microsoft Azure Machine Learning Studio. Dans le premier chapitre, l'auteur donne les clés pour comprendre les enjeux, acquérir le jargon et connaître les notions théoriques de la Data Science.
Le deuxième chapitre introduit la plateforme Microsoft Azure et, à travers un exemple complet de préparation de données, initie le lecteur à l'exploitation de l'environnement Microsoft Azure Machine Learning Studio ainsi qu'au développement et à la configuration des composants les plus couramment utilisés de la solution Cortana Intelligence Suite. Les chapitres qui suivent sont ensuite consacrés à l'étude et à l'approfondissement des connaissances sur les algorithmes du Machine Learning et les possibilités de l'environnement Azure Machine Learning Studio.
Pour un Data Scientist, ce livre est l'occasion de découvrir la solution Microsoft Cortana Intelligence Suite et plus particulièrement l'environnement Microsoft Azure Machine Learning Studio, qui est l'environnement de développement et de déploiement des modèles prédictifs sur la plateforme Microsoft Azure. Pour un étudiant, en plus de l'expérience pratique sur la plateforme Azure, ce livre peut servir d'introduction aux techniques de la Data Science et à la compréhension théorique des concepts algorithmiques du Machine Learning. | | Note de contenu : | Au sommaire :
1. La data science.
2. Microsoft Cortana intelligence suite.
3. La régression linéaire et polynomiale.
4. La régression logique.
5. Arbres de décision et Random Forest.
6. L'algorithme K-Means.
7. Analyse en composantes principales.
8. Réseau de neurones.
9. Support Vector machines.
10. R et Azure Ml studio. |
Data science avec Microsoft Azure : maîtrisez le machine learning sur Cortana intelligence suite [texte imprimé] / Madjid Khichane, Auteur ; Pierre Bruno, Préfacier, etc. . - Editions ENI, 2018 . - 346 p. : ill. ; 21 cm. - ( Epsilon. Informatique technique) . ISBN : 978-2-409-01278-5 La page de couv. porte en plus : Version numérique offerte www.editions-eni.fr; fichiers complémentaires à télécharger. - Index Langues : Français ( fre) | Mots-clés : | Microsoft Windows Azure (informatique)
Machine learning ; Sciences de l'information | | Index. décimale : | 004.62 Traitement de l'information (Data science) | | Résumé : |
Ce livre s'adresse à deux profils de lecteurs, les professionnels ou les étudiants, souhaitant se former à la Data Science. L'auteur a choisi de traiter ce sujet selon deux axes, scientifique et technique, permettant de donner au lecteur les connaissances théoriques et pratiques nécessaires à la pratique de la Data Science.
L'axe scientifique regroupe principalement, mais pas seulement, les notions fondamentales et la démarche de la Data Science, la modélisation d'un problème et le choix des métriques pour mesurer la performance d'un modèle ou encore les notions mathématiques sous-jacentes aux algorithmes du Machine Learning. L'axe technique quant à lui couvre les aspects pratiques de la Data Science qui sont, dans ce livre, illustrés sur la plateforme Microsoft Azure.
Ainsi, en plus de l'initiation à la Data Science, le lecteur est invité à développer une première compétence technique portant sur l'environnement Microsoft Cortana Intelligence Suite et en particulier, sur l'environnement Microsoft Azure Machine Learning Studio. Dans le premier chapitre, l'auteur donne les clés pour comprendre les enjeux, acquérir le jargon et connaître les notions théoriques de la Data Science.
Le deuxième chapitre introduit la plateforme Microsoft Azure et, à travers un exemple complet de préparation de données, initie le lecteur à l'exploitation de l'environnement Microsoft Azure Machine Learning Studio ainsi qu'au développement et à la configuration des composants les plus couramment utilisés de la solution Cortana Intelligence Suite. Les chapitres qui suivent sont ensuite consacrés à l'étude et à l'approfondissement des connaissances sur les algorithmes du Machine Learning et les possibilités de l'environnement Azure Machine Learning Studio.
Pour un Data Scientist, ce livre est l'occasion de découvrir la solution Microsoft Cortana Intelligence Suite et plus particulièrement l'environnement Microsoft Azure Machine Learning Studio, qui est l'environnement de développement et de déploiement des modèles prédictifs sur la plateforme Microsoft Azure. Pour un étudiant, en plus de l'expérience pratique sur la plateforme Azure, ce livre peut servir d'introduction aux techniques de la Data Science et à la compréhension théorique des concepts algorithmiques du Machine Learning. | | Note de contenu : | Au sommaire :
1. La data science.
2. Microsoft Cortana intelligence suite.
3. La régression linéaire et polynomiale.
4. La régression logique.
5. Arbres de décision et Random Forest.
6. L'algorithme K-Means.
7. Analyse en composantes principales.
8. Réseau de neurones.
9. Support Vector machines.
10. R et Azure Ml studio. |
|  |
004 Informatique. Science et technologie de l'informatique
Faire une suggestion Affiner la rechercheBig data et machine learning / Pirmin Lemberger
