Data Science

Massih-Reza Amini 1 Renaud Blanch 2 Marianne Clausel 3 Jean-Baptiste Durand 4 Éric Gaussier 1 Jérôme Malick 3 Chistophe Picard 5 Vivien Quéma 6 Georges Quénot 7
2 LIG Laboratoire d'Informatique de Grenoble - IIHM
LIG - Laboratoire d'Informatique de Grenoble, Inria - Institut National de Recherche en Informatique et en Automatique
3 DAO - Données, Apprentissage et Optimisation
LJK - Laboratoire Jean Kuntzmann
4 MISTIS - Modelling and Inference of Complex and Structured Stochastic Systems
Inria Grenoble - Rhône-Alpes, LJK - Laboratoire Jean Kuntzmann, INPG - Institut National Polytechnique de Grenoble
5 EDP - Equations aux Dérivées Partielles
LJK - Laboratoire Jean Kuntzmann
7 MRIM - Modélisation et Recherche d’Information Multimédia [Grenoble]
Inria - Institut National de Recherche en Informatique et en Automatique, LIG - Laboratoire d'Informatique de Grenoble
Résumé : La data science, ou science des données, est la discipline qui traite de la collecte, de la préparation, de la gestion, de l'analyse, de l'interprétation et de la visualisation de grands ensembles de données complexes. Elle n'est pas seulement concernée par les outils et les méthodes pour obtenir, gérer et analyser les données ; elle consiste aussi à en extraire de la valeur et de la connaissance. Cet ouvrage présente les fondements scientifiques et les composantes essentielles de la science des données, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. Notre souci a été de proposer un exposé cohérent reliant la théorie aux algorithmes développés dans ces domaines. Il s'adresse aux chercheurs et ingénieurs qui abordent les problématiques liées à la science des données, aux data scientists de PME qui utilisent en profondeur les outils d'apprentissage, mais aussi aux étudiants de master, doctorants ou encore futurs ingénieurs qui souhaitent un ouvrage de référence en data science. À qui s'adresse ce livre ? • Aux développeurs, statisticiens, étudiants et chefs de projets 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 du machine learning.
Type de document :
Ouvrage (y compris édition critique et traduction)
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01978692
Contributeur : Massih-Reza Amini <>
Soumis le : jeudi 24 janvier 2019 - 10:03:04
Dernière modification le : lundi 11 février 2019 - 16:24:07

Identifiants

  • HAL Id : hal-01978692, version 1

Citation

Massih-Reza Amini, Renaud Blanch, Marianne Clausel, Jean-Baptiste Durand, Éric Gaussier, et al.. Data Science. Eyrolles, 2018, 9782212674101. 〈https://www.eyrolles.com/Informatique/Livre/data-science-9782212674101/〉. 〈hal-01978692〉

Partager

Métriques

Consultations de la notice

111

Téléchargements de fichiers

50