Data science pour l'entreprise - Principes fondamentaux pour décelopper son activité - Grand Format

Tom Fawcett

,

Foster Provost

Myriam Rakho

(Traducteur)

Note moyenne 
Cet ouvrage traite de façon détaillée mais non technique les principes fondamentaux de la data science. Tout au long d'un processus de "raisonnement... Lire la suite
39,00 € Neuf
Définitivement indisponible

Résumé

Cet ouvrage traite de façon détaillée mais non technique les principes fondamentaux de la data science. Tout au long d'un processus de "raisonnement orienté données", il vous guidera pour acquérir des connaissances utiles et extraire une valeur économique des données que vous collectez. L'apprentissage de la data science vous permettra de comprendre les nombreuses techniques de data mining utilisées aujourd'hui.
Ces principes sous-tendent tous les processus et stratégies de data mining qui servent à résoudre des problèmes d'entreprise. "Ce livre est bien plus qu'une introduction à l'analyse de données. C'est un guide essentiel pour ceux d'entre nous (nous tous ? ) qui ont entièrement fondé leur entreprise sur l'ubiquité des données et la nécessité, aujourd'hui, de la prise de décision orientée données". Tom Phillips, PDG, Dstillery ; ex-Directeur de Google Search and Analytics.
"Les auteurs de ce livre, tous deux experts en data science avant même que la discipline soit nommée ainsi, présentent ici un sujet complexe en le rendant accessible à tous les niveaux. Cet ouvrage est une première du genre : il se concentre sur les concepts de la data science tels qu'ils doivent être appliqués aux problèmes concrets des entreprises. Il est rempli de captivants exemples réels qui illustrent les pro- blèmes courants auxquels les entreprises sont confrontées : l'attrition client, le marketing ciblé, et même une analyse des données sur les whiskies ! Ce livre se distingue par le fait qu'il n'est pas un traité d'algorithmique.
Les auteurs ont pour objectif d'aider le lecteur à comprendre les concepts sous-jacents de la data science, mais également et surtout ils expliquent comment aborder un problème de data science et mettre au point une solution qui marche. Si vous avez besoin d'un aperçu complet de la data science, ou si vous êtes un data scientist en herbe qui veut maîtriser les bases de la discipline, ce livre est un indispensable pour vous".
- Chris Volinsky, Directeur, Statistics Research, AT&T Labs, Gagnant du Netflix Challenge à 1 M$.

Sommaire

  • LE RAISONNEMENT ORIENTE DONNEES
  • PROBLEMES D'ENTREPRISES ET SOLUTIONS DE DATA SCIENCE
  • INTRODUCTION A LA MODELISATION PREDICTIVE : DES CORRELATIONS A LA SEGMENTATION SUPERVISEE
  • AJUSTER UN MODELE AUX DONNEES
  • LE SURAJUSTEMENT ET COMMENT L'EVITER
  • SIMILARITE, VOISINS ET CLUSTERS
  • L'ANALYSE DECISIONNELLE I : QU'EST-CE QU'UN BON MODELE ?
  • VISUALISER LES PERFORMANCES D'UN MODELE
  • PREUVES ET PROBABILITES
  • REPRESENTATION ET EXPLORATION DE TEXTES
  • L'ANALYSE DECISIONNELLE II : VERS L'INGENIERIE ANALYTIQUE
  • AUTRES PROBLEMES ET TECHNIQUES DE DATA SCIENCE
  • DATA SCIENCE ET STRATEGIE COMMERCIALE

Caractéristiques

  • Date de parution
    16/08/2018
  • Editeur
  • ISBN
    978-2-212-67570-2
  • EAN
    9782212675702
  • Format
    Grand Format
  • Présentation
    Broché
  • Nb. de pages
    371 pages
  • Poids
    0.788 Kg
  • Dimensions
    19,0 cm × 23,0 cm × 2,1 cm

Avis libraires et clients

Avis audio

Écoutez ce qu'en disent nos libraires !

À propos des auteurs

Foster Provost est professeur et membre du corps enseignant à la NYU Stern School of Business, où il enseigne en Business Analytics, Data Science et dans les cursus de MBA. Ses recherches, primées très largement, sont lues et citées. Avant de rejoindre la NYU, il a travaillé pendant cinq ans comme chercheur en data science pour Verizon. Pendant la dernière décennie, le professeur Provost a cofondé avec succès plusieurs entreprises de data science.
Tow Fawcett est titulaire d'un doctorat en apprentissage machine et a travaillé dans des équipes de R&D en entreprise pendant plus de deux décennies (GTE Laboratories, NYNEX/Verizon Labs, HP Labs, etc). Ses publications sont aujourd'hui des classiques de la littérature de data science à la fois du point de vue méthodologie (par exemple, pour l'évaluation des résultats du data mining) et du point de vue applicatif (par exemple, la détection des fraudes et le filtrage de pourriels).

Vous aimerez aussi

Derniers produits consultés

Data science pour l'entreprise - Principes fondamentaux pour décelopper son activité est également présent dans les rayons