Traitement en cours...
Fermer la notification

Le saviez-vous ?

SIDE a travaillé avec ses fournisseurs pour rendre ses colis respectueux de l'environnement.
Fini le plastique !
Le ruban adhésif qui sécurise la fermeture de nos colis et les chips de calage qui immobilisent les livres dans les cartons sont en matériaux recyclables et biodégradables.

Afficher la notification

Big Data et Machine Learning - 3e éd. - Les concepts et les outils de la data science

Morel Médéric, Lemberger Pirmin, Batty Marc, Raffaëlli Jean-Luc
Date de parution 14/08/2019
EAN: 9782100790371
Disponibilité Disponible chez l'éditeur
Cet ouvrage s’adresse à tous ceux qui cherchent à tirer parti de l’énorme potentiel des technologies Big Data, qu’ils soient data scientists, DSI, chefs de projets ou spécialistes métier.Le Big Data s’est imposé comme une innovation majeure pour t... Voir la description complète
Nom d'attributValeur d'attribut
Common books attribute
ÉditeurDUNOD
Nombre de pages272
Langue du livreFrançais
AuteurMorel Médéric, Lemberger Pirmin, Batty Marc, Raffaëlli Jean-Luc
FormatPaperback / softback
Type de produitLivre
Date de parution14/08/2019
Poids560 g
Dimensions (épaisseur x largeur x hauteur)1,80 x 17,50 x 24,80 cm
Les concepts et les outils de la data science
Cet ouvrage s’adresse à tous ceux qui cherchent à tirer parti de l’énorme potentiel des technologies Big Data, qu’ils soient data scientists, DSI, chefs de projets ou spécialistes métier.Le Big Data s’est imposé comme une innovation majeure pour toutes les entreprises qui cherchent à construire un avantage concurrentiel de l’exploitation de leurs données clients, fournisseurs, produits, processus, etc.Il a en outre permis l’émergence des techniques d’apprentissage automatique (Machine Learning, Deep Learning…) qui ont relancé le domaine de l’intelligence artificielle.Mais quelle solution technique choisir ? Quelles compétences métier développer au sein de la DSI ?Ce livre est un guide pour comprendre les enjeux d’un projet Big Data, en appréhender les concepts sous-jacents et acquérir les compétences nécessaires à la mise en place d’une architecture d’entreprise adaptée.Il combine la présentation :de notions théoriques (traitement statistique des données, calcul distribué…) ;des outils les plus répandus ;d’exemples d’applications, notamment en NLP (Natural Language Processing) ;d’une organisation typique d’un projet de data science.