ISBN 9798289458575 is currently unpriced. Please contact us for pricing.
Available options are listed below:
Available options are listed below:
Maîtriser Les Décisions Basées Sur Les Données: Techniques Essentielles Pour Le Nettoyage, l'Analyse Et l'Interprétation Des Données
| AUTHOR | X, Intelli Verse |
| PUBLISHER | Independently Published (06/24/2025) |
| PRODUCT TYPE | Paperback (Paperback) |
Description
La science des données est un domaine interdisciplinaire qui utilise des systèmes, des procédures et des méthodes pour extraire des informations et des connaissances de sources de données organisées et non structurées. Elle combine des éléments issus de l'informatique, des statistiques et des mathématiques, ainsi que de connaissances spécifiques à des domaines tels que la finance, la santé, les affaires et les sciences sociales, pour analyser et interpréter de grands ensembles de données. Les data scientists cherchent à transformer des ensembles de données brutes en informations pertinentes facilitant la prise de décision et la prévision automatisée dans divers domaines, tels que la finance, la santé, les affaires et les sciences sociales.
Les data scientists utilisent des langages et des outils de programmation tels que Python, R et SQL, ainsi que des bibliothèques spécialement conçues pour l'apprentissage automatique et la manipulation de données, notamment celles développées pour manipuler de grands volumes de données (Python, R ou SQL). Ils analysent ainsi des volumes considérables d'informations, notamment pour nettoyer des ensembles de données existants avant de les explorer, de les modéliser ou de les visualiser. Ces data scientists pourraient potentiellement être responsables de tâches telles que le nettoyage d'ensembles de données pour l'exploration, la modélisation et la visualisation, tout en travaillant à la prédiction de tendances, à la personnalisation de l'expérience utilisateur, à l'amélioration des processus et à la détection des anomalies. Les origines de la science des données remontent à des siècles, avant même que son nom ne soit inventé. Son développement peut être divisé en plusieurs phases:
Fondements initiaux de la statistique et des mathématiques. La science des données trouve ses origines aux XIXe et XVIIIe siècles, lorsque des mathématiciens comme Carl Friedrich Gauss et Pierre-Simon Laplace ont été les pionniers de la théorie statistique avec des théories probabilistes et des méthodes d'inférence mathématique, qui ont jeté les bases de l'étude des données. Plus tard au cours de ce siècle et au début de celui-ci, les méthodes statistiques ont continué à être perfectionnées grâce à des personnalités comme Ronald Fisher, qui a introduit des concepts tels que la variance et l'analyse de la variance (ANOVA), des outils essentiels en science des données aujourd'hui.
Les data scientists utilisent des langages et des outils de programmation tels que Python, R et SQL, ainsi que des bibliothèques spécialement conçues pour l'apprentissage automatique et la manipulation de données, notamment celles développées pour manipuler de grands volumes de données (Python, R ou SQL). Ils analysent ainsi des volumes considérables d'informations, notamment pour nettoyer des ensembles de données existants avant de les explorer, de les modéliser ou de les visualiser. Ces data scientists pourraient potentiellement être responsables de tâches telles que le nettoyage d'ensembles de données pour l'exploration, la modélisation et la visualisation, tout en travaillant à la prédiction de tendances, à la personnalisation de l'expérience utilisateur, à l'amélioration des processus et à la détection des anomalies. Les origines de la science des données remontent à des siècles, avant même que son nom ne soit inventé. Son développement peut être divisé en plusieurs phases:
Fondements initiaux de la statistique et des mathématiques. La science des données trouve ses origines aux XIXe et XVIIIe siècles, lorsque des mathématiciens comme Carl Friedrich Gauss et Pierre-Simon Laplace ont été les pionniers de la théorie statistique avec des théories probabilistes et des méthodes d'inférence mathématique, qui ont jeté les bases de l'étude des données. Plus tard au cours de ce siècle et au début de celui-ci, les méthodes statistiques ont continué à être perfectionnées grâce à des personnalités comme Ronald Fisher, qui a introduit des concepts tels que la variance et l'analyse de la variance (ANOVA), des outils essentiels en science des données aujourd'hui.
Show More
Product Format
Product Details
ISBN-13:
9798289458575
Binding:
Paperback or Softback (Trade Paperback (Us))
Content Language:
French
More Product Details
Page Count:
146
Carton Quantity:
54
Product Dimensions:
5.00 x 0.31 x 8.00 inches
Weight:
0.33 pound(s)
Country of Origin:
US
Subject Information
BISAC Categories
Computers | Data Science - Data Analytics
Descriptions, Reviews, Etc.
publisher marketing
La science des données est un domaine interdisciplinaire qui utilise des systèmes, des procédures et des méthodes pour extraire des informations et des connaissances de sources de données organisées et non structurées. Elle combine des éléments issus de l'informatique, des statistiques et des mathématiques, ainsi que de connaissances spécifiques à des domaines tels que la finance, la santé, les affaires et les sciences sociales, pour analyser et interpréter de grands ensembles de données. Les data scientists cherchent à transformer des ensembles de données brutes en informations pertinentes facilitant la prise de décision et la prévision automatisée dans divers domaines, tels que la finance, la santé, les affaires et les sciences sociales.
Les data scientists utilisent des langages et des outils de programmation tels que Python, R et SQL, ainsi que des bibliothèques spécialement conçues pour l'apprentissage automatique et la manipulation de données, notamment celles développées pour manipuler de grands volumes de données (Python, R ou SQL). Ils analysent ainsi des volumes considérables d'informations, notamment pour nettoyer des ensembles de données existants avant de les explorer, de les modéliser ou de les visualiser. Ces data scientists pourraient potentiellement être responsables de tâches telles que le nettoyage d'ensembles de données pour l'exploration, la modélisation et la visualisation, tout en travaillant à la prédiction de tendances, à la personnalisation de l'expérience utilisateur, à l'amélioration des processus et à la détection des anomalies. Les origines de la science des données remontent à des siècles, avant même que son nom ne soit inventé. Son développement peut être divisé en plusieurs phases:
Fondements initiaux de la statistique et des mathématiques. La science des données trouve ses origines aux XIXe et XVIIIe siècles, lorsque des mathématiciens comme Carl Friedrich Gauss et Pierre-Simon Laplace ont été les pionniers de la théorie statistique avec des théories probabilistes et des méthodes d'inférence mathématique, qui ont jeté les bases de l'étude des données. Plus tard au cours de ce siècle et au début de celui-ci, les méthodes statistiques ont continué à être perfectionnées grâce à des personnalités comme Ronald Fisher, qui a introduit des concepts tels que la variance et l'analyse de la variance (ANOVA), des outils essentiels en science des données aujourd'hui.
Les data scientists utilisent des langages et des outils de programmation tels que Python, R et SQL, ainsi que des bibliothèques spécialement conçues pour l'apprentissage automatique et la manipulation de données, notamment celles développées pour manipuler de grands volumes de données (Python, R ou SQL). Ils analysent ainsi des volumes considérables d'informations, notamment pour nettoyer des ensembles de données existants avant de les explorer, de les modéliser ou de les visualiser. Ces data scientists pourraient potentiellement être responsables de tâches telles que le nettoyage d'ensembles de données pour l'exploration, la modélisation et la visualisation, tout en travaillant à la prédiction de tendances, à la personnalisation de l'expérience utilisateur, à l'amélioration des processus et à la détection des anomalies. Les origines de la science des données remontent à des siècles, avant même que son nom ne soit inventé. Son développement peut être divisé en plusieurs phases:
Fondements initiaux de la statistique et des mathématiques. La science des données trouve ses origines aux XIXe et XVIIIe siècles, lorsque des mathématiciens comme Carl Friedrich Gauss et Pierre-Simon Laplace ont été les pionniers de la théorie statistique avec des théories probabilistes et des méthodes d'inférence mathématique, qui ont jeté les bases de l'étude des données. Plus tard au cours de ce siècle et au début de celui-ci, les méthodes statistiques ont continué à être perfectionnées grâce à des personnalités comme Ronald Fisher, qui a introduit des concepts tels que la variance et l'analyse de la variance (ANOVA), des outils essentiels en science des données aujourd'hui.
Show More