Introduction au data mining
Face à l'explosion des volumes de données disponibles, les organisations doivent s'adapter si elles veulent en tirer parti. Le data mining s'impose comme un outil essentiel pour analyser de grandes quantités de données et en extraire des informations fiables, directement exploitables...
محفوظ في:
| المؤلفون الرئيسيون: | , |
|---|---|
| التنسيق: | Livre papier |
| اللغة: | Français |
| منشور في: |
Malakoff :
Dunod
DL 2025.
|
| سلاسل: | Les Topos : le savoir en 2 mots
|
| الموضوعات: | |
| Autres localisations: | Voir dans le Sudoc |
| Edition sous un autre format: | • Introduction au data mining, Daniel Caumont, Silvester Ivanaj, 2025, Malakoff, Dunod, 978-21-0089-142-9 |
| LEADER | 03331nam a22002777a 4500 | ||
|---|---|---|---|
| 001 | 1414633 | ||
| 008 | 251031t20252025xxe ||| |||| 00| 0 fre d | ||
| 009 | PPN291575706 | ||
| 020 | |a 9782100880348 (broché) : |c [10 EUR] | ||
| 024 | |a 9782100880348 | ||
| 041 | 0 | |a fre |b fre | |
| 082 | |a 006.312 | ||
| 082 | |a 658.403 | ||
| 100 | 1 | |a Caumont, Daniel, |d 1946-...., |c docteur en psychologie. | |
| 245 | 1 | 0 | |a Introduction au data mining |c Daniel Caumont, Silvester Ivanaj. |
| 260 | |a Malakoff : |b Dunod, |c DL 2025. | ||
| 300 | |a 1 volume (128 pages) : |b figures, tableaux ; |c 18 cm. | ||
| 490 | 0 | |a Les Topos : le savoir en 2 mots | |
| 504 | |a Bibliographie page [125]. Index | ||
| 505 | 0 | |a P. 5 -- Avant-propos -- Chapitre 1, Le data mining dans le système d'information d'une organisation -- P. 7 -- I. Les implications du développement des mégadonnées -- P. 17 -- II. Le processus de data mining -- Chapitre 2, La préparation des données -- P. 28 -- I. Transformer une problématique entrepreneuriale en une problématique analytique -- P. 30 -- II. Construire les variables -- P. 36 -- III. Explorer les variables -- Chapitre 3, Les méthodes factorielles -- P. 48 -- I. Les statistiques de liaison entre variables -- P. 49 -- II. Les analyses factorielles métriques -- P. 52 -- III. L'analyse factorielle en composantes principales -- P. 63 -- IV. L'analyse factorielle des correspondances -- Chapitre 4, Les méthodes de partitionnement -- P. 77 -- I. Les différents types de classification -- P. 79 -- II. Prétraitement et sélection des données -- P. 82 -- III. Les méthodes de classification supervisée -- P. 85 -- IV. Les méthodes de classification non supervisée -- Chapitre 5, Les méthodes d'aide à la décision et d'évaluation des résultats -- P. 102 -- I. Une prise de décision fondée sur les données -- P. 104 -- II. L'évaluation de la performance des modèles -- P. 117 -- III. Les méthodes de validation des modèles prédictifs -- P. 125 -- Bibliographie -- P. 126 -- Index | |
| 520 | |a Face à l'explosion des volumes de données disponibles, les organisations doivent s'adapter si elles veulent en tirer parti. Le data mining s'impose comme un outil essentiel pour analyser de grandes quantités de données et en extraire des informations fiables, directement exploitables lors de la prise de décision. Ce livre fait le point sur les modèles opérationnels les plus puissants, conçus pour optimiser les processus décisionnels et affiner les prévisions stratégiques. Que vous soyez étudiant ou professionnel, découvrez comment : maîtriser les méthodes et outils pour explorer et exploiter vos données ; préparer les données pour les transformer en variables et résoudre une problématique managériale ; évaluer et intégrer des modèles prédictifs dans vos processus de décision. | ||
| 650 | |a Exploration de données | ||
| 650 | |a Analyse des données | ||
| 700 | 1 | |a Ivanaj, Silvester, |d 19..-...., |c docteur en sciences de gestion. |4 aut | |
| 776 | 0 | |0 292530943 |t Introduction au data mining |f Daniel Caumont, Silvester Ivanaj |d 2025 |c Malakoff |n Dunod |z 978-21-0089-142-9 | |
| 997 | |0 1414633 |1 Livre papier |a Ressource papier |b INSA |c 0/Bourges/ |c 0/Orléans/ |c 1/Bourges/INSA CVL/ |c 1/Orléans/BU Droit, Economie, Gestion/ |z Orléans, BU Droit, Economie, Gestion, 658.403 CAU |z Bourges, INSA CVL, 005.7 CAU | ||