Bibliothèque de l'ENSBS
http://ensbiotech.edu.dz
A partir de cette page vous pouvez :
Retourner au premier écran avec les catégories... |
Résultat de la recherche
2 résultat(s) recherche sur le tag 'données massives'
Affiner la recherche Générer le flux rss de la recherche
Partager le résultat de cette recherche Interroger des sources externes
Big data et machine learning
Titre : Big data et machine learning : manuel du data scientist Type de document : texte imprimé Editeur : Paris : Dunod Année de publication : DL 2015 Collection : Sous-collection : Management des systèmes d'information Importance : 1 vol. (XVIII-219 p.) Présentation : ill. Format : 25 cm ISBN/ISSN/EAN : 978-2-10-072074-3 Note générale : Index Langues : Français Tags : Analyse des données Aspect économique Données massives Gestion Index. décimale : Résumé : Cet ouvrage s'adresse à tous ceux qui réfléchissent à la meilleure utilisation possible des données au sein de l'entreprise, 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 grâce à l'exploitation de leurs données clients, fournisseurs, produits, processus, machines, etc.
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 (en particulier le machine learning) et acquérir les compétences nécessaires à la mise en place d'un data lab. Il combine la présentation : De notions théoriques (traitement statistique des données, calcul distribué...) ; D'outils (écosystème Hadoop, Storm...) ; D'exemples de machine learning ; D'une organisation typique d'un projet de data science.Note de contenu : LES FONDEMENTS DU BIG DATA
Les origines du Big Data
Le Big Data dans les organisations
Le mouvement NoSQL
LE METIER DE DATA SCIENTIST
Le quotidien du data scientist
Exploration et préparation de données
Le machine learning
LES OUTILS DU BIG DATA
L'écosystème Hadoop
Analyse de logs avec Pig et Hive
Les architectures lambdaBig data et machine learning : manuel du data scientist [texte imprimé] . - [S.l. : s.n.], DL 2015 . - 1 vol. (XVIII-219 p.) : ill. ; 25 cm. - (. Management des systèmes d'information) .
ISBN : 978-2-10-072074-3
Index
Langues : Français
Tags : Analyse des données Aspect économique Données massives Gestion Index. décimale : Résumé : Cet ouvrage s'adresse à tous ceux qui réfléchissent à la meilleure utilisation possible des données au sein de l'entreprise, 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 grâce à l'exploitation de leurs données clients, fournisseurs, produits, processus, machines, etc.
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 (en particulier le machine learning) et acquérir les compétences nécessaires à la mise en place d'un data lab. Il combine la présentation : De notions théoriques (traitement statistique des données, calcul distribué...) ; D'outils (écosystème Hadoop, Storm...) ; D'exemples de machine learning ; D'une organisation typique d'un projet de data science.Note de contenu : LES FONDEMENTS DU BIG DATA
Les origines du Big Data
Le Big Data dans les organisations
Le mouvement NoSQL
LE METIER DE DATA SCIENTIST
Le quotidien du data scientist
Exploration et préparation de données
Le machine learning
LES OUTILS DU BIG DATA
L'écosystème Hadoop
Analyse de logs avec Pig et Hive
Les architectures lambdaExemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire Python pour le data scientist
Titre : Python pour le data scientist : des bases du langage au machine learning Type de document : texte imprimé Mention d'édition : [Nouvelle édition] Importance : 1 vol. (XI-304 p.) Présentation : ill., fig., graph., couv. ill. en coul Format : 25 cm ISBN/ISSN/EAN : 978-2-10-080162-6 Note générale : Les exemples sont disponibles sous forme de jupyter notebooks sur github.com Langues : Français Tags : Python (langage de programmation) Apprentissage automatique Exploration de données Données massives Index. décimale : Résumé : Python est devenu en quelques années un langage majeur dans l'univers des applications centrées sur le traitement des données, et plus particulièrement des gros volumes de données (big data). Cet ouvrage servira de guide à tous ceux qui s'intéressent à l'utilisation de Python pour le travail sur les données et l'automatisation de certaines tâches (data science). Il met l'accent sur la préparation et la mise en forme des données qui sont essentielles dans la qualité du résultat et qui constituent aujourd'hui une part importante du travail du data scientist. L'ensemble des exemples et des exercices présentés dans cet ouvrage sont disponibles sous forme de Notebooks Jupyter. Ils sont accessibles directement sur GitHub dans le répertoire dédié à l'ouvrage ou en téléchargement sur le site Dunod. Python pour le data scientist : des bases du langage au machine learning [texte imprimé] . - [Nouvelle édition] . - [s.d.] . - 1 vol. (XI-304 p.) : ill., fig., graph., couv. ill. en coul ; 25 cm.
ISBN : 978-2-10-080162-6
Les exemples sont disponibles sous forme de jupyter notebooks sur github.com
Langues : Français
Tags : Python (langage de programmation) Apprentissage automatique Exploration de données Données massives Index. décimale : Résumé : Python est devenu en quelques années un langage majeur dans l'univers des applications centrées sur le traitement des données, et plus particulièrement des gros volumes de données (big data). Cet ouvrage servira de guide à tous ceux qui s'intéressent à l'utilisation de Python pour le travail sur les données et l'automatisation de certaines tâches (data science). Il met l'accent sur la préparation et la mise en forme des données qui sont essentielles dans la qualité du résultat et qui constituent aujourd'hui une part importante du travail du data scientist. L'ensemble des exemples et des exercices présentés dans cet ouvrage sont disponibles sous forme de Notebooks Jupyter. Ils sont accessibles directement sur GitHub dans le répertoire dédié à l'ouvrage ou en téléchargement sur le site Dunod. Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire