Apprentissage statistique et données massives
"La numérisation du monde a pour conséquence la mise à disposition de masses de données inédites, notamment celles provenant du web. La statistique qui s'est développée autrefois dans un contexte de rareté des données fait face à de nouveaux défis. Donner du sens aux données, développer de...
Enregistré dans:
| Institution som forfatter: | |
|---|---|
| Andre forfattere: | , , |
| Format: | Livre papier |
| Sprog: | Français |
| Udgivet: |
Paris :
Éditions Technip
2018.
|
| Fag: | |
| Autres localisations: | Voir dans le Sudoc |
| LEADER | 02581nam a22002897a 4500 | ||
|---|---|---|---|
| 001 | 683797 | ||
| 008 | 180903t20182018xxe ||| |||| 00| 0 fre d | ||
| 009 | PPN229874703 | ||
| 020 | |a 9782710811824 (br.) | ||
| 024 | |a 9782710811824 | ||
| 041 | 0 | |a fre |f fre | |
| 082 | |a 006.31 | ||
| 084 | |a 62-06. 2000 | ||
| 111 | 2 | |a Journées d'étude en statistique |n (17 |d :2016. | |
| 245 | 1 | 0 | |a Apprentissage statistique et données massives |c [17e Journées d'étude en statistique (JES), Fréjus, 2016 ; [organisées par la] Société française de statistique [SFdS] ; Myriam Maumy-Bertrand, Gilbert Saporta, Christine Thomas-Agnan [éditeurs]. |
| 260 | |a Paris : |b Éditions Technip, |c 2018. | ||
| 300 | |a 1 volume (XVI-511 pages) : |b couverture illustrée en couleur, illustrations, graphiques, tableaux, figures ; |c 24 cm. | ||
| 504 | |a Bibliographie pages 471-505. Notes bibliographiques. Index | ||
| 520 | |a "La numérisation du monde a pour conséquence la mise à disposition de masses de données inédites, notamment celles provenant du web. La statistique qui s'est développée autrefois dans un contexte de rareté des données fait face à de nouveaux défis. Donner du sens aux données, développer des algorithmes prédictifs sans nécessairement avoir de modèle génératif, tels sont quelques-uns des objectifs de l'apprentissage statistique. L'apport d'autres disciplines - informatique et optimisation en particulier - est essentiel compte tenu de la nécessité de traiter rapidement les volumes de données impliqués. On distingue l'apprentissage supervisé, où l'objectif est de prévoir une réponse à partir de prédicteurs, de l'apprentissage non supervisé, qui recherche des structures et des formes sans chercher à prévoir une réponse particulière. Depuis les réseaux de neurones jusqu'aux forêts aléatoires, en passant par les séparateurs à vaste marge (SVM), de nombreux algorithmes ont été développés, ne reposant que faiblement sur des hypothèses probabilistes. Dans ce contexte, la validation, la capacité de généralisation à de nouvelles données et le passage à l'échelle sont donc essentiels." | ||
| 650 | |a Statistiques | ||
| 650 | |a Données massives | ||
| 650 | |a Actes de congrès | ||
| 700 | 1 | |a Maumy, Myriam, |d 1973- |4 pbd | |
| 700 | 1 | |a Saporta, Gilbert, |d 1946- |4 pbd | |
| 700 | 1 | |a Thomas-Agnan, Christine, |d 1956- |4 pbd | |
| 710 | 2 | |a Société française de statistique. |4 orm | |
| 997 | |0 683797 |1 Livre papier |a Ressource papier |c 0/Orléans/ |c 1/Orléans/BU Sciences, Technologies, STAPS/ |z Orléans, BU Sciences, Technologies, STAPS, 519.5 MAU | ||