ISBN 9798685376411 is currently unpriced. Please contact us for pricing.
Available options are listed below:
Available options are listed below:
Learning by doing. Un monde de données: Initiation sans prérequis au domaine de la donnée
| AUTHOR | Sokolova, Karina; Perez, Charles |
| PUBLISHER | Independently Published (09/11/2020) |
| PRODUCT TYPE | Paperback (Paperback) |
Description
Le monde qui nous entoure nous offre une image de sa ralit au travers des donnes que l'on y capte. Les milliards d'appareils technologiques accompagns de leurs dizaines de capteurs sondent nos comportements, nos vnements, notre environnement et nous permettent un regard jamais gal. Cette masse gigantesque de donnes vient alimenter les travaux de recherche sur le comportement humain, sur l'origine de l'univers, mais aussi sur des enjeux managriaux et de gouvernance stratgique. La science des donnes est la discipline permettant de couvrir les besoins d'analyse de donnes. Comprendre les outils, les enjeux, les difficults, et les bonnes pratiques et savoir les mettre en oeuvre requiert une exprience et une maitrise de nombreuses disciplines. Dans ce livret, nous recherchons vous faire dcouvrir le monde de la donne et vous faire pratiquer sur des exemples concrets cette science. Il ne s'agit pas de maitriser les techniques, mais simplement de comprendre et oprationnaliser sur des exemples et des algorithmes faciles d'accs des dmarches pouvant illustrer au mieux la pertinence de cette science pour le management. Le sommaire de ce livret: 1 CE QU'EST LA DONNE
2 DCOUVRIR VOS DONNES GOOGLE
3 L'INTRT D'UNE ANALYSE DE DONNES
3.1 Pourquoi la donne
3.2 Le cas Netflix
4 LES TAPES D'UN PROJET D'ANALYSE
5 CATGORISER LES DONNES
6 BIG, SMART, OPEN DATA ?
6.1 Big data
6.2 Smart Data
6.3 Open data
7 INTELLIGENCE ARTIFICIELLE
7.1 Origine et dfinition du terme
7.2 Les trois niveaux d'Intelligence
7.3 La loi de Moore et du retour acclr
7.4 Inspirations biologiques
8 INTRODUCTION L'ANALYSE
8.1 Statistiques descriptives
8.2 Apprentissage par la machine
8.3 Segmentation
8.4 Prdiction
9 METTRE EN PRATIQUE AVEC RAPIDMINER
9.1 Prise en main et statistiques descriptives
9.2 Segmentation
9.3 Prdiction
10 VISUALISATION & STORYTELLING
10.1 Visualisation
10.2 Manipulation de la clart
10.3 Data Storytelling
10.4 Dashboard interactifs avec tableau software
10.5 Challenge data visualisation
10.6 Mise en pratique
11 PROJET
12 Mots croiss de rvision
2 DCOUVRIR VOS DONNES GOOGLE
3 L'INTRT D'UNE ANALYSE DE DONNES
3.1 Pourquoi la donne
3.2 Le cas Netflix
4 LES TAPES D'UN PROJET D'ANALYSE
5 CATGORISER LES DONNES
6 BIG, SMART, OPEN DATA ?
6.1 Big data
6.2 Smart Data
6.3 Open data
7 INTELLIGENCE ARTIFICIELLE
7.1 Origine et dfinition du terme
7.2 Les trois niveaux d'Intelligence
7.3 La loi de Moore et du retour acclr
7.4 Inspirations biologiques
8 INTRODUCTION L'ANALYSE
8.1 Statistiques descriptives
8.2 Apprentissage par la machine
8.3 Segmentation
8.4 Prdiction
9 METTRE EN PRATIQUE AVEC RAPIDMINER
9.1 Prise en main et statistiques descriptives
9.2 Segmentation
9.3 Prdiction
10 VISUALISATION & STORYTELLING
10.1 Visualisation
10.2 Manipulation de la clart
10.3 Data Storytelling
10.4 Dashboard interactifs avec tableau software
10.5 Challenge data visualisation
10.6 Mise en pratique
11 PROJET
12 Mots croiss de rvision
Show More
Product Format
Product Details
ISBN-13:
9798685376411
Binding:
Paperback or Softback (Trade Paperback (Us))
Content Language:
French
More Product Details
Page Count:
134
Carton Quantity:
58
Product Dimensions:
5.00 x 0.29 x 8.00 inches
Weight:
0.31 pound(s)
Country of Origin:
US
Subject Information
BISAC Categories
Computers | Data Science - General
Descriptions, Reviews, Etc.
publisher marketing
Le monde qui nous entoure nous offre une image de sa ralit au travers des donnes que l'on y capte. Les milliards d'appareils technologiques accompagns de leurs dizaines de capteurs sondent nos comportements, nos vnements, notre environnement et nous permettent un regard jamais gal. Cette masse gigantesque de donnes vient alimenter les travaux de recherche sur le comportement humain, sur l'origine de l'univers, mais aussi sur des enjeux managriaux et de gouvernance stratgique. La science des donnes est la discipline permettant de couvrir les besoins d'analyse de donnes. Comprendre les outils, les enjeux, les difficults, et les bonnes pratiques et savoir les mettre en oeuvre requiert une exprience et une maitrise de nombreuses disciplines. Dans ce livret, nous recherchons vous faire dcouvrir le monde de la donne et vous faire pratiquer sur des exemples concrets cette science. Il ne s'agit pas de maitriser les techniques, mais simplement de comprendre et oprationnaliser sur des exemples et des algorithmes faciles d'accs des dmarches pouvant illustrer au mieux la pertinence de cette science pour le management. Le sommaire de ce livret: 1 CE QU'EST LA DONNE
2 DCOUVRIR VOS DONNES GOOGLE
3 L'INTRT D'UNE ANALYSE DE DONNES
3.1 Pourquoi la donne
3.2 Le cas Netflix
4 LES TAPES D'UN PROJET D'ANALYSE
5 CATGORISER LES DONNES
6 BIG, SMART, OPEN DATA ?
6.1 Big data
6.2 Smart Data
6.3 Open data
7 INTELLIGENCE ARTIFICIELLE
7.1 Origine et dfinition du terme
7.2 Les trois niveaux d'Intelligence
7.3 La loi de Moore et du retour acclr
7.4 Inspirations biologiques
8 INTRODUCTION L'ANALYSE
8.1 Statistiques descriptives
8.2 Apprentissage par la machine
8.3 Segmentation
8.4 Prdiction
9 METTRE EN PRATIQUE AVEC RAPIDMINER
9.1 Prise en main et statistiques descriptives
9.2 Segmentation
9.3 Prdiction
10 VISUALISATION & STORYTELLING
10.1 Visualisation
10.2 Manipulation de la clart
10.3 Data Storytelling
10.4 Dashboard interactifs avec tableau software
10.5 Challenge data visualisation
10.6 Mise en pratique
11 PROJET
12 Mots croiss de rvision
2 DCOUVRIR VOS DONNES GOOGLE
3 L'INTRT D'UNE ANALYSE DE DONNES
3.1 Pourquoi la donne
3.2 Le cas Netflix
4 LES TAPES D'UN PROJET D'ANALYSE
5 CATGORISER LES DONNES
6 BIG, SMART, OPEN DATA ?
6.1 Big data
6.2 Smart Data
6.3 Open data
7 INTELLIGENCE ARTIFICIELLE
7.1 Origine et dfinition du terme
7.2 Les trois niveaux d'Intelligence
7.3 La loi de Moore et du retour acclr
7.4 Inspirations biologiques
8 INTRODUCTION L'ANALYSE
8.1 Statistiques descriptives
8.2 Apprentissage par la machine
8.3 Segmentation
8.4 Prdiction
9 METTRE EN PRATIQUE AVEC RAPIDMINER
9.1 Prise en main et statistiques descriptives
9.2 Segmentation
9.3 Prdiction
10 VISUALISATION & STORYTELLING
10.1 Visualisation
10.2 Manipulation de la clart
10.3 Data Storytelling
10.4 Dashboard interactifs avec tableau software
10.5 Challenge data visualisation
10.6 Mise en pratique
11 PROJET
12 Mots croiss de rvision
Show More