| Titre : |
Data science pour l'entreprise |
| Type de document : |
texte imprimé |
| Auteurs : |
Foster Provost, Auteur ; Tom Fawcett, Auteur ; Myriam Rakho, Traducteur |
| Editeur : |
Paris : Eyrolles |
| Année de publication : |
2018 |
| Importance : |
X,371 p. |
| Présentation : |
ill. |
| Format : |
23 cm |
| ISBN/ISSN/EAN : |
978-2-212-67570-2 |
| Note générale : |
Trad. de : Data science for business. - La couv. porte en plus : Principes fondamentaux pour développer son activité. - Bibliogr. p. [349]-356. - Notes bibliogr. en bas de pages. - Index. - Glossaire |
| Langues : |
Français (fre) Langues originales : Anglais (eng) |
| Mots-clés : |
Exploration de données
Données massives
Sciences de l'information
Gestion -- Informatique
Data mining
Big data
Information science
Business -- Data processing |
| Index. décimale : |
004.62:658 Traitement de l'information (Data science) : Organisation des entreprises |
| Résumé : |
Cet ouvrage traite de façon détaillée mais non technique les principes fondamentaux de la data science. Tout au long d'un processus de "raisonnement orienté données", il vous guidera pour acquérir des connaissances utiles et extraire une valeur économique des données que vous collectez. L'apprentissage de la data science vous permettra de comprendre les nombreuses techniques de data mining utilisées aujourd'hui. Ces principes sous-tendent tous les processus et stratégies de data mining qui servent à résoudre des problèmes d'entreprise. |
| Note de contenu : |
Au sommaire :
1. Le raisonnement orienté données.
2. Problèmes d'entreprises et solutions de data science.
3. Introduction à la modélisation prédictive : des corrélations à la segmentation supervisée.
4. Ajuster un modèle aux données.
5. Le surajustement et comment l'éviter.
6. Similarité, voisins et clusters.
7. L'analyse décisionnelle I : qu'est-ce qu'un bon modèle ?
8. Visualiser les performances d'un modèle.
9. Preuves et probabilités.
10. Représentation et exploration de textes.
11. L'analyse décisionnelle II : vers l'ingénierie analytique.
12. Autres problèmes et techniques de data science.
13. Data science et stratégie commerciale. |
Data science pour l'entreprise [texte imprimé] / Foster Provost, Auteur ; Tom Fawcett, Auteur ; Myriam Rakho, Traducteur . - Paris : Eyrolles, 2018 . - X,371 p. : ill. ; 23 cm. ISBN : 978-2-212-67570-2 Trad. de : Data science for business. - La couv. porte en plus : Principes fondamentaux pour développer son activité. - Bibliogr. p. [349]-356. - Notes bibliogr. en bas de pages. - Index. - Glossaire Langues : Français ( fre) Langues originales : Anglais ( eng)
| Mots-clés : |
Exploration de données
Données massives
Sciences de l'information
Gestion -- Informatique
Data mining
Big data
Information science
Business -- Data processing |
| Index. décimale : |
004.62:658 Traitement de l'information (Data science) : Organisation des entreprises |
| Résumé : |
Cet ouvrage traite de façon détaillée mais non technique les principes fondamentaux de la data science. Tout au long d'un processus de "raisonnement orienté données", il vous guidera pour acquérir des connaissances utiles et extraire une valeur économique des données que vous collectez. L'apprentissage de la data science vous permettra de comprendre les nombreuses techniques de data mining utilisées aujourd'hui. Ces principes sous-tendent tous les processus et stratégies de data mining qui servent à résoudre des problèmes d'entreprise. |
| Note de contenu : |
Au sommaire :
1. Le raisonnement orienté données.
2. Problèmes d'entreprises et solutions de data science.
3. Introduction à la modélisation prédictive : des corrélations à la segmentation supervisée.
4. Ajuster un modèle aux données.
5. Le surajustement et comment l'éviter.
6. Similarité, voisins et clusters.
7. L'analyse décisionnelle I : qu'est-ce qu'un bon modèle ?
8. Visualiser les performances d'un modèle.
9. Preuves et probabilités.
10. Représentation et exploration de textes.
11. L'analyse décisionnelle II : vers l'ingénierie analytique.
12. Autres problèmes et techniques de data science.
13. Data science et stratégie commerciale. |
|  |
004 Informatique. Science et technologie de l'informatique
Ajouter le résultat dans votre panier Faire une suggestion Affiner la rechercheData science pour l'entreprise (2018)
