Data science par la pratique : fondamentaux avec Python
La quatrième de couverture indique : " Un ouvrage de référence pour les (futurs) data scientists. Les bibliothèques, les frameworks, les modules et les boîtes à outils sont parfaits pour faire de la data science. Ils sont aussi un bon moyen de plonger dans cette discipline sans la comprendre. D...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | |
| Format: | Livre papier |
| Langue: | Français |
| Publié: |
Paris :
Éditions Eyrolles
DL 2020.
|
| Édition: | 2e édition. |
| Collection: | [Blanche]
|
| Sujets: | |
| Note: |
La couv. porte en plus : "Préparez-vous aux métiers du futur !" |
| Autres localisations: | Voir dans le Sudoc |
| Edition sous un autre format: | • Data science par la pratique, fondamentaux avec Python, Joel Grusg, 2e édition, 2020, Paris, Eyrolles, [Blanche], 978-22-1236-697-6 |
| LEADER | 04381nam a22003257a 4500 | ||
|---|---|---|---|
| 001 | 848322 | ||
| 008 | 201118t20202020xxe ||| |||| 00| 0 fre d | ||
| 009 | PPN250505819 | ||
| 020 | |a 9782212679076 (br.) : |c 39 EUR | ||
| 024 | |a 9782212679076 | ||
| 041 | 1 | |a fre |h eng | |
| 082 | |a 006.31 |z fre | ||
| 100 | 1 | |a Grus, Joel, |d 19..-...., |c ingénieur informaticien. | |
| 245 | 1 | 0 | |a Data science par la pratique : |b fondamentaux avec Python |c Joel Grus ; [traduction française, Tristan Kottelanne]. |
| 250 | |a 2e édition. | ||
| 260 | |a Paris : |b Éditions Eyrolles, |c DL 2020. | ||
| 300 | |a 1 vol. (XVII-385 p.) : |b ill., couv. ill. en coul. ; |c 23 cm. | ||
| 490 | 1 | |a [Blanche] | |
| 500 | |a La couv. porte en plus : "Préparez-vous aux métiers du futur !" | ||
| 504 | |a Notes webogr.. Index | ||
| 505 | 0 | |a 1, Introduction -- 2, Cours accéléré de Python -- 3, Visualisation des données -- 4, Algèbre linéaire -- 5, Statistique -- 6, Probabilités -- 7, Hypothèses et inférences -- 8, Descente de gradient -- 9, Collecte des données -- 10. Travail sur les données -- 11, Apprentissage automatique -- 12, Les k plus proches voisins -- 13, Classification naïve bayésienne -- 14, Régression linéaire simple -- 15, Régression multiple -- 16, Régression logistique -- 17, Arbres de décision -- 18, Réseaux neuronaux -- 19, Apprentissage profond -- 20, Partitionnement de données -- 21, Traitement automatique du langage naturel -- 22, Analyse des réseaux -- 23, Systèmes de recommandation -- 24, Bases de données et SQL -- 25, MapReduce -- 26, Éthique des données -- 27, En avant pour la data science | |
| 520 | |a La quatrième de couverture indique : " Un ouvrage de référence pour les (futurs) data scientists. Les bibliothèques, les frameworks, les modules et les boîtes à outils sont parfaits pour faire de la data science. Ils sont aussi un bon moyen de plonger dans cette discipline sans la comprendre. Dans cet ouvrage, vous apprendrez comment fonctionnent les outils et algorithmes les plus fondamentaux de la data science, en les réalisant à partir de zéro. Si vous êtes fort en maths et que vous connaissez la programmation, l'auteur, Joel Grus, vous aidera à vous familiariser avec les maths et les statistiques qui sont au coeur de la data science et avec les compétences informatiques indispensables pour démarrer comme data scientist. La profusion des données d'aujourd'hui contient les réponses aux questions que personne n'a encore pensé à poser. Ce livre vous enseigne comment obtenir ces réponses. La deuxième édition, revue et augmentée, de cet ouvrage comporte des codes et exemples associés entièrement réécrits en Python 3.6 et intègre de nouveaux chapitres sur l'apprentissage profond (deep learning), les statistiques et le traitement en langage naturel. Suivez un cours accéléré de Python. Apprenez les fondamentaux de l'algèbre linéaire, des statistiques et des probabilités, et comprenez comment et quand les utiliser en data science. Collectez, explorez, nettoyez, bricolez et manipulez les données. Plongez dans les bases de l'apprentissage automatique. Implémentez des modèles comme les k plus proches voisins, la classification naïve bayésienne, les régressions linéaire ou logistique, les arbres de décision, les réseaux neuronaux et le clustering. Explorez les systèmes de recommandation, le traitement du langage naturel, l'analyse de réseau, MapReduce et les bases de données. À qui s'adresse cet ouvrage ? Aux développeurs, statisticiens, étudiants et chefs de projet ayant à résoudre des problèmes de data science. Aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art de ce métier du futur." | ||
| 650 | |a Apprentissage automatique | ||
| 650 | |a Exploration de données | ||
| 650 | |a Modèles mathématiques | ||
| 650 | |a Python (langage de programmation) | ||
| 700 | 1 | |a Kottelanne, Tristan. |4 trl | |
| 765 | 0 | |t Data science from Scratch |d C 2019 | |
| 776 | 0 | |0 250536684 |t Data science par la pratique |o fondamentaux avec Python |f Joel Grusg |e 2e édition |d 2020 |c Paris |n Eyrolles |s [Blanche] |z 978-22-1236-697-6 | |
| 997 | |0 848322 |1 Livre papier |a Ressource papier |b INSA |c 0/Bourges/ |c 0/Orléans/ |c 1/Bourges/INSA CVL/ |c 1/Orléans/BU Sciences, Technologies, STAPS/ |z Orléans, BU Sciences, Technologies, STAPS, 006.31 GRU |z Bourges, INSA CVL, 005.7 GRU | ||