Data science : cours et exercices
"La data science, ou science des données, est la discipline qui traite de la collecte, de la préparation, de la gestion, de l'analyse, de l'interprétation et de la visualisation de grands ensembles de données complexes. Elle n'est pas seulement concernée par les outils et les mét...
Salvato in:
| Autori principali: | , , , , , , , , |
|---|---|
| Natura: | Livre papier |
| Lingua: | Français |
| Pubblicazione: |
Paris :
Eyrolles
DL 2018.
|
| Serie: | [Collection Noire]
|
| Soggetti: | |
| Nota: |
Autres contributions : Jean-Baptiste Durand, Eric Gaussier, Jérôme Malick, Christophe Picard, Vivien Quéma, Georges Quénot (auteurs) |
| Autres localisations: | Voir dans le Sudoc |
| Riassunto: | "La data science, ou science des données, est la discipline qui traite de la collecte, de la préparation, de la gestion, de l'analyse, de l'interprétation et de la visualisation de grands ensembles de données complexes. Elle n'est pas seulement concernée par les outils et les méthodes pour obtenir, gérer et analyser les données ; elle consiste aussi à en extraire de la valeur et de la connaissance. Cet ouvrage présente les fondements scientifiques et les composantes essentielles de la science des données, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. Notre souci a été de proposer un exposé cohérent reliant la théorie aux algorithmes développés dans ces domaines. Il s'adresse aux chercheurs et ingénieurs qui abordent les problématiques liées à la science des données, aux data scientists de PME qui utilisent en profondeur les outils d'apprentissage, mais aussi aux étudiants de master, doctorants ou encore futurs ingénieurs qui souhaitent un ouvrage de référence en data science." [Source : 4e de couv.] |
|---|---|
| Descrizione del documento: | Autres contributions : Jean-Baptiste Durand, Eric Gaussier, Jérôme Malick, Christophe Picard, Vivien Quéma, Georges Quénot (auteurs) |
| Descrizione fisica: | 1 volume (xii-254 pages) : illustrations, graphiques, figures, couverture illustrée en couleurs ; 23 cm. |
| Pubblico: | Public : développeurs, statisticiens, étudiants et chefs de projets ayant à résoudre des problèmes de data science ; data scientists, mais aussi toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art du machine learning |
| Bibliografia: | Bibliographie p. [239]-250. Index |
| ISBN: | 9782212674101 (br.) : |