Centre de documentation
Laboratoire ThéMA
Résultat de la recherche
4 recherche sur le tag
'exploration de données' 
Ajouter le résultat dans votre panier Affiner la recherche Générer le flux rss de la recherche
Partager le résultat de cette recherche Interroger des sources externes
Titre : Exploration de données et méthodes statistiques : Data analysis & data mining avec le logiciel R Type de document : texte imprimé Auteurs : Lise Bellanger, Auteur ; Richard Tomassone, Auteur Editeur : Ellipses Année de publication : 2014 Collection : Références Sciences Importance : 479 p. ISBN/ISSN/EAN : 978-2-7298-8486-4 Langues : Français (fre) Tags : exploration de données statistiques informatique statistique mathématique logiciel R Résumé : La statistique envahit pratiquement tous les domaines d’application, aucun n’en est exclu ; elle permet d’explorer et d’analyser des corpus de données de plus en plus volumineux : l’ère des big data et du data mining s’ouvre à nous ! Cette omniprésence s’accompagne bien souvent de l’absence de regard critique tant sur l’origine des données que sur la manière de les traiter. La facilité d’utilisation des logiciels de traitement statistique permet de fournir quasi instantanément des graphiques et des résultats numériques. Le risque est donc grand d’une acceptation aveugle des conclusions qui découlent de son emploi, comme simple citoyen ou comme homme politique.
Les auteurs insistent sur les concepts sans négliger la rigueur, ils décrivent les outils de décryptage des données. L’ouvrage couvre un large spectre de méthodes allant du pré-traitement des données aux méthodes de prévision, en passant par celles permettant leur visualisation et leur synthèse. De nombreux exemples issus de champs d’application variés sont traités à l’aide du logiciel libre R, dont les commandes sont commentées.
L’ouvrage est destiné aux étudiants de masters scientifiques ou d’écoles d’ingénieurs ainsi qu’aux professionnels voulant utiliser la statistique de manière réfléchie : des sciences de la vie à l’archéologie, de la sociologie à l’analyse financière.Publication de Théma : Non Exploration de données et méthodes statistiques : Data analysis & data mining avec le logiciel R [texte imprimé] / Lise Bellanger, Auteur ; Richard Tomassone, Auteur . - Ellipses, 2014 . - 479 p.. - (Références Sciences) .
ISBN : 978-2-7298-8486-4
Langues : Français (fre)
Tags : exploration de données statistiques informatique statistique mathématique logiciel R Résumé : La statistique envahit pratiquement tous les domaines d’application, aucun n’en est exclu ; elle permet d’explorer et d’analyser des corpus de données de plus en plus volumineux : l’ère des big data et du data mining s’ouvre à nous ! Cette omniprésence s’accompagne bien souvent de l’absence de regard critique tant sur l’origine des données que sur la manière de les traiter. La facilité d’utilisation des logiciels de traitement statistique permet de fournir quasi instantanément des graphiques et des résultats numériques. Le risque est donc grand d’une acceptation aveugle des conclusions qui découlent de son emploi, comme simple citoyen ou comme homme politique.
Les auteurs insistent sur les concepts sans négliger la rigueur, ils décrivent les outils de décryptage des données. L’ouvrage couvre un large spectre de méthodes allant du pré-traitement des données aux méthodes de prévision, en passant par celles permettant leur visualisation et leur synthèse. De nombreux exemples issus de champs d’application variés sont traités à l’aide du logiciel libre R, dont les commandes sont commentées.
L’ouvrage est destiné aux étudiants de masters scientifiques ou d’écoles d’ingénieurs ainsi qu’aux professionnels voulant utiliser la statistique de manière réfléchie : des sciences de la vie à l’archéologie, de la sociologie à l’analyse financière.Publication de Théma : Non Réservation
Réserver ce document
Exemplaires(1)
Code-barres Cote Support Section Disponibilité 01151001425830 A22.BEL Livre Centre de Documentation Disponible
Titre : Data mining et statistique décisionnelle : L'intelligence des données Type de document : texte imprimé Auteurs : Stéphane Tufféry, Auteur Mention d'édition : 4ème éd. Editeur : Editions Technip Année de publication : 2012 Importance : 826 p. ISBN/ISSN/EAN : 978-2-7108-1017-9 Note générale : La couv. porte en plus : "Analyse discriminante, apprentissage statistique, arbres de décision, classification, exploration des données, modèles linéaires, régression logistique, règles d'associations, scoring, text mining" Langues : Anglais (eng) Tags : Exploration de données Marketing Aide à la décision Niveau : Recherche Publication de Théma : Non Data mining et statistique décisionnelle : L'intelligence des données [texte imprimé] / Stéphane Tufféry, Auteur . - 4ème éd. . - Editions Technip, 2012 . - 826 p.
ISBN : 978-2-7108-1017-9
La couv. porte en plus : "Analyse discriminante, apprentissage statistique, arbres de décision, classification, exploration des données, modèles linéaires, régression logistique, règles d'associations, scoring, text mining"
Langues : Anglais (eng)
Tags : Exploration de données Marketing Aide à la décision Niveau : Recherche Publication de Théma : Non Réservation
Réserver ce document
Exemplaires(1)
Code-barres Cote Support Section Disponibilité 01151000599556 A22.TUF Livre Centre de Documentation Sorti jusqu'au 30/01/2018
Titre : Data mining et statistique décisionnelle : La sciences des données Type de document : texte imprimé Auteurs : Stéphane Tufféry, Auteur Mention d'édition : 5 ème éd. Editeur : Editions Technip Année de publication : 2017 Importance : 1 vol. (XX-913 p.) Présentation : ill., graph., couv. ill. en coul. Format : 24 cm. ISBN/ISSN/EAN : 978-2-7108-1180-0 Prix : 68 euros Note générale : La couv. porte en plus : "Apprentissage statistique, arbres de décision, classification, data science, exploration des données, machine learning, modèles linéaires, régression logistique, règles d'associations, réseaux de neurones, text mining" Langues : Français (fre) Tags : Exploration de données Aide à la décision prise de décision (statistique) Résumé :
Le data mining et la data science sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases de données, qu'elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, production, consommation, fidélisation...). Cette cinquième édition, actualisée et augmentée de 90 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au text mining, objet d'un chapitre complètement remanié. Nombre de ses outils appartiennent à l'analyse des données et à la statistique "classiques" (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée, régression clusterwise...) mais certains sont plus spécifiques au data mining, comme les réseaux de neurones, les algorithmes génétiques, les SVM, les arbres de décision, les forêts aléatoires, le boosting et la détection des règles d'associations. Les avancées les plus récentes du machine learning et les applications les plus actuelles des Big Data sont présentées, qui vont des algorithmes de reconnaissance d'image aux méthodes de plongement de mots en text mining. Les chapitres sur les réseaux de neurones et les SVM sont illustrés par la reconnaissance de l'écriture manuscrite. Ces outils sont disponibles dans des logiciels de plus en plus puissants et complets, à commencer par le logiciel libre R, que nous comparons en détail aux logiciels SAS et IBM SPSS dans un chapitre spécifique. Ces logiciels sont utilisés pour illustrer par des exemples précis les explications théoriques données. Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, leur intégration dans les processus opérationnels. Un chapitre est consacré à une étude de cas complète de credit scoring, de l'exploration des données jusqu'à l'élaboration de la grille de score.Note de contenu : Bibliogr. p. [893]-905. Index Niveau : Recherche Publication de Théma : Non Data mining et statistique décisionnelle : La sciences des données [texte imprimé] / Stéphane Tufféry, Auteur . - 5 ème éd. . - Editions Technip, 2017 . - 1 vol. (XX-913 p.) : ill., graph., couv. ill. en coul. ; 24 cm.
ISBN : 978-2-7108-1180-0 : 68 euros
La couv. porte en plus : "Apprentissage statistique, arbres de décision, classification, data science, exploration des données, machine learning, modèles linéaires, régression logistique, règles d'associations, réseaux de neurones, text mining"
Langues : Français (fre)
Tags : Exploration de données Aide à la décision prise de décision (statistique) Résumé :
Le data mining et la data science sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases de données, qu'elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, production, consommation, fidélisation...). Cette cinquième édition, actualisée et augmentée de 90 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au text mining, objet d'un chapitre complètement remanié. Nombre de ses outils appartiennent à l'analyse des données et à la statistique "classiques" (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée, régression clusterwise...) mais certains sont plus spécifiques au data mining, comme les réseaux de neurones, les algorithmes génétiques, les SVM, les arbres de décision, les forêts aléatoires, le boosting et la détection des règles d'associations. Les avancées les plus récentes du machine learning et les applications les plus actuelles des Big Data sont présentées, qui vont des algorithmes de reconnaissance d'image aux méthodes de plongement de mots en text mining. Les chapitres sur les réseaux de neurones et les SVM sont illustrés par la reconnaissance de l'écriture manuscrite. Ces outils sont disponibles dans des logiciels de plus en plus puissants et complets, à commencer par le logiciel libre R, que nous comparons en détail aux logiciels SAS et IBM SPSS dans un chapitre spécifique. Ces logiciels sont utilisés pour illustrer par des exemples précis les explications théoriques données. Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, leur intégration dans les processus opérationnels. Un chapitre est consacré à une étude de cas complète de credit scoring, de l'exploration des données jusqu'à l'élaboration de la grille de score.Note de contenu : Bibliogr. p. [893]-905. Index Niveau : Recherche Publication de Théma : Non Réservation
Réserver ce document
Exemplaires(1)
Code-barres Cote Support Section Disponibilité 01151001947677 A22.TUF Livre Centre de Documentation Disponible
Titre : Python pour le Data scientist : Des bases du langage au machine learning Type de document : texte imprimé Auteurs : Emmanuel Jakobowicz, Auteur Editeur : Paris : Dunod Année de publication : 2018 Collection : InfoPro - Applications et métiers Importance : 1 vol. (304 p.) Présentation : ill., graph., couv. ill. en coul. Format : 25 cm. ISBN/ISSN/EAN : 978-2-10-077075-5 Prix : 29,90 euros Langues : Français (fre) Tags : python traitement des données données langage de programmation exploration de données Résumé :
Si vous vous intéressez au traitement des données avec le langage Python cet ouvrage s'adresse à vous. Que vous soyez débutant en Python ou que vous ayez une expérience significative, il vous apportera les clés pour utiliser ce langage en data science.
Ce livre répond à de nombreuses questions sur Python :
Comment utiliser Python en data science ?
Comment coder en Python ?
Comment préparer des données avec Python ?
Comment créer des visualisations attractives avec Python ?
Comment appliquer des modèles de machine learning et de deep learning avec Python ?
Comment passer aux environnements big data ?
Vous apprendrez à tirer parti des multiples outils Python tels que Anaconda, IPython, Jupyter, NumPy, Pandas, Matplotlib, Seaborn, Bokeh, Scikit-Learn, Keras, PySpark... pour mettre en place vos traitements.
Note de contenu : L'ensemble du code compris dans cet ouvrage est disponible sous la forme de notebooks Jupyter dans le repository public de l'auteur : https://github.com/emjako/pythondatascientist Publication de Théma : Non Python pour le Data scientist : Des bases du langage au machine learning [texte imprimé] / Emmanuel Jakobowicz, Auteur . - Paris : Dunod, 2018 . - 1 vol. (304 p.) : ill., graph., couv. ill. en coul. ; 25 cm.. - (InfoPro - Applications et métiers) .
ISBN : 978-2-10-077075-5 : 29,90 euros
Langues : Français (fre)
Tags : python traitement des données données langage de programmation exploration de données Résumé :
Si vous vous intéressez au traitement des données avec le langage Python cet ouvrage s'adresse à vous. Que vous soyez débutant en Python ou que vous ayez une expérience significative, il vous apportera les clés pour utiliser ce langage en data science.
Ce livre répond à de nombreuses questions sur Python :
Comment utiliser Python en data science ?
Comment coder en Python ?
Comment préparer des données avec Python ?
Comment créer des visualisations attractives avec Python ?
Comment appliquer des modèles de machine learning et de deep learning avec Python ?
Comment passer aux environnements big data ?
Vous apprendrez à tirer parti des multiples outils Python tels que Anaconda, IPython, Jupyter, NumPy, Pandas, Matplotlib, Seaborn, Bokeh, Scikit-Learn, Keras, PySpark... pour mettre en place vos traitements.
Note de contenu : L'ensemble du code compris dans cet ouvrage est disponible sous la forme de notebooks Jupyter dans le repository public de l'auteur : https://github.com/emjako/pythondatascientist Publication de Théma : Non Réservation
Réserver ce document
Exemplaires(1)
Code-barres Cote Support Section Disponibilité 01151001947424 A24.JAK Livre Centre de Documentation Disponible
