|
| Titre : | Big data et machine learning : manuel du data scientist | | Type de document : | texte imprime | | Auteurs : | Pirmin Lemberger ; ... Médéric Morel Marc Batty ; ... Michel Delattre, Préfacier, etc. | | Editeur : | Paris : Dunod | | Année de publication : | DL 2015 | | Collection : | InfoPro | | Importance : | (XVIII-219 p.) | | Présentation : | ill., couv. ill. en coul. | | Format : | 25 cm | | ISBN/ISSN/EAN : | 978-2-10-072074-3 | | Note générale : | Notes bibliogr. et webogr. Index | | Langues : | Français | | Mots-clés : | Données massives Apprentissage automatique Exploration de données | | Résumé : | Résumé(s) :
Cet ouvrage s'adresse à tous ceux qui réfléchissent à la meilleure utilisation possible des données au sein de l'entreprise, qu'ils soient data scientists, DSI, chefs de projets ou spécialistes métier. Le Big Data s'est imposé comme une innovation majeure pour toutes les entreprises qui cherchent à construire un avantage concurrentiel grâce à l'exploitation de leurs données clients, fournisseurs, produits, processus, machines, etc. Mais quelle solution technique choisir ? Quelles compétences métier développer au sein de la DSI ? Ce livre est un guide pour comprendre les enjeux d'un projet Big Data, en appréhender les concepts sous-jacents (en particulier le machine learning) et acquérir les compétences nécessaires à la mise en place d'un data lab. Il combine la présentation : de notions théoriques (traitement statistique des données, calcul distribué...) ; d'outils (écosystème Hadoop, Storm...) ; d'exemples de machine learning ; d'une organisation typique d'un projet de data science. (4e de couv.)
Sommaire :
Première partie : Les fondements du Big Data
1. Les origines du Big Data
2. Le Big Data dans les organisations
3. Le mouvement NoSQL
4. l'algorithme MapReduce et le framework Hadoop
Deuxième partie : Le métier de data scientist
5. Le quotidien du data scientist
6. Exploration et préparation de données
7. Le machine learning
8. La visualisation des données
Troisième partie : Les outils du Big Data
9. l'écosystème Hadoop
10. Analyse de logs avec Pig et Hive
11. Les architectures ?
12. Apache Storm | | Permalink : | ./index.php?lvl=notice_display&id=13519 |
Big data et machine learning : manuel du data scientist [texte imprime] / Pirmin Lemberger ; ... Médéric Morel Marc Batty ; ... Michel Delattre, Préfacier, etc. . - Paris : Dunod, DL 2015 . - (XVIII-219 p.) : ill., couv. ill. en coul. ; 25 cm. - ( InfoPro) . ISBN : 978-2-10-072074-3 Notes bibliogr. et webogr. Index Langues : Français | Mots-clés : | Données massives Apprentissage automatique Exploration de données | | Résumé : | Résumé(s) :
Cet ouvrage s'adresse à tous ceux qui réfléchissent à la meilleure utilisation possible des données au sein de l'entreprise, qu'ils soient data scientists, DSI, chefs de projets ou spécialistes métier. Le Big Data s'est imposé comme une innovation majeure pour toutes les entreprises qui cherchent à construire un avantage concurrentiel grâce à l'exploitation de leurs données clients, fournisseurs, produits, processus, machines, etc. Mais quelle solution technique choisir ? Quelles compétences métier développer au sein de la DSI ? Ce livre est un guide pour comprendre les enjeux d'un projet Big Data, en appréhender les concepts sous-jacents (en particulier le machine learning) et acquérir les compétences nécessaires à la mise en place d'un data lab. Il combine la présentation : de notions théoriques (traitement statistique des données, calcul distribué...) ; d'outils (écosystème Hadoop, Storm...) ; d'exemples de machine learning ; d'une organisation typique d'un projet de data science. (4e de couv.)
Sommaire :
Première partie : Les fondements du Big Data
1. Les origines du Big Data
2. Le Big Data dans les organisations
3. Le mouvement NoSQL
4. l'algorithme MapReduce et le framework Hadoop
Deuxième partie : Le métier de data scientist
5. Le quotidien du data scientist
6. Exploration et préparation de données
7. Le machine learning
8. La visualisation des données
Troisième partie : Les outils du Big Data
9. l'écosystème Hadoop
10. Analyse de logs avec Pig et Hive
11. Les architectures ?
12. Apache Storm | | Permalink : | ./index.php?lvl=notice_display&id=13519 |
|  |
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesBig data et machine learning / Pirmin Lemberger (DL 2015)
