Data science par la pratique ; fondamentaux avec Python (2e édition) Data science par la pratique ; fondamentaux avec Python (2e édition)
Data science par la pratique ; fondamentaux avec Python (2e édition) Data science par la pratique ; fondamentaux avec Python (2e édition)

Data science par la pratique ; fondamentaux avec Python (2e édition)

À propos

Un ouvrage de référence pour les (futurs) data scientists Les bibliothèques, les frameworks, les modules et les boîtes à outils sont parfaits pour faire de la data science. Ils sont aussi un bon moyen de plonger dans cette discipline sans la comprendre. Dans cet ouvrage, vous apprendrez comment fonctionnent les outils et algorithmes les plus fondamentaux de la data science, en les réalisant à partir de zéro.

Si vous êtes fort en maths et que vous connaissez la programmation, l'auteur, Joel Grus, vous aidera à vous familiariser avec les maths et les statistiques qui sont au coeur de la data science et avec les compétences informatiques indispensables pour démarrer comme data scientist. La profusion des données d'aujourd'hui contient les réponses aux questions que personne n'a encore pensé à poser. Ce livre vous enseigne comment obtenir ces réponses.

La deuxième édition, revue et augmentée, de cet ouvrage comporte des codes et exemples associés entièrement réécrits en Python 3.6 et intègre de nouveaux chapitres sur l'apprentissage profond (deep learning), les statistiques et le traitement en langage naturel.

Suivez un cours accéléré de Python.
Apprenez les fondamentaux de l'algèbre linéaire, des statistiques et des probabilités, et comprenez comment et quand les utiliser en data science.
Collectez, explorez, nettoyez, bricolez et manipulez les données.
Plongez dans les bases de l'apprentissage automatique.
Implémentez des modèles comme les k plus proches voisins, la classification naïve bayésienne, les régressions linéaire ou logistique, les arbres de décision, les réseaux neuronaux et le clustering.
Explorez les systèmes de recommandation, le traitement du langage naturel, l'analyse de réseau, MapReduce et les bases de données.
À qui s'adresse cet ouvrage ?
Aux développeurs, statisticiens, étudiants et chefs de projet ayant à résoudre des problèmes de data science.
Aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art de ce métier du futur.

Sommaire

Qu'est-ce que la data science ?
Cours accéléré de Python Visualisation des données Algèbre linéaire ;
Statistique ;
Probabilités ;
Hypothèses et inférences ;
Descente de gradient ;
Collecte des données ;
Travail sur les données ;
Apprentissage automatique ;
Les k plus proches voisins ;
Classification naïve bayésienne ;
Régression linéaire simple ;
Régression multiple ;
Régression logistique ;
Arbres de décision;
Réseaux neuronaux ;
Apprentissage profond ;
Partitionnement de données ;
Traitement automatique du langage naturel ;
Analyse des réseaux ;
Systèmes de recommandation ;
Bases de données et SQL MapReduce Éthique des données En avant pour la data science

Rayons : Sciences & Techniques > Informatique > Données > Data Mining

Rayons : Sciences & Techniques > Informatique > Programmation / Développement > Python

  • EAN

    9782212679076

  • Disponibilité

    Disponible

  • Nombre de pages

    386 Pages

  • Longueur

    22.9 cm

  • Largeur

    19 cm

  • Épaisseur

    2.3 cm

  • Poids

    832 g

  • Distributeur

    Sodis

  • Support principal

    Grand format

Infos supplémentaires : Broché  

empty