HAL will be down for maintenance from Friday, June 10 at 4pm through Monday, June 13 at 9am. More information
Skip to Main content Skip to Navigation
Books

Data Science

Massih-Reza Amini 1 Renaud Blanch 2 Marianne Clausel 3 Jean-Baptiste Durand 4 Éric Gaussier 1 Jérôme Malick 3 Christophe Picard 5 Vivien Quéma 6 Georges Quénot 7
1 AMA - Analyse de données, Modélisation et Apprentissage automatique [Grenoble]
LIG - Laboratoire d'Informatique de Grenoble
2 IIHM - Ingénierie de l’Interaction Homme-Machine
LIG - Laboratoire d'Informatique de Grenoble
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, Grenoble INP - Institut polytechnique de Grenoble - Grenoble Institute of Technology, LJK - Laboratoire Jean Kuntzmann
5 EDP - Equations aux Dérivées Partielles
LJK - Laboratoire Jean Kuntzmann
6 Grenoble INP - Institut polytechnique de Grenoble - Grenoble Institute of Technology
7 MRIM - Modélisation et Recherche d’Information Multimédia [Grenoble]
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.
Document type :
Books
Complete list of metadata

Cited literature [31 references]  Display  Hide  Download
https://hal.archives-ouvertes.fr/hal-01978692
Contributor : Massih-Reza Amini Connect in order to contact the contributor
Submitted on : Thursday, January 24, 2019 - 10:03:04 AM
Last modification on : Friday, February 4, 2022 - 3:31:46 AM

Annex

Identifiers

  • HAL Id : hal-01978692, version 1

Collections

CNRS | LIG | INRIA | LJK | LJK-PS-DAO | LJK_MAD | LJK_MAD_EDP | LJK_PS | LJK_PS_MISTIS | LIG_SIC_IIHM | LIG_TDCGE_MRIM | POLYTECH-GRENOBLE | UGA | LIG_SIDCH_APTIKAL | LIG_SIDCH | INRIA2

Citation

Massih-Reza Amini, Renaud Blanch, Marianne Clausel, Jean-Baptiste Durand, Éric Gaussier, et al.. Data Science. Eyrolles, 2018, 9782212674101. ⟨hal-01978692⟩

Export

BibTeX TEI DC DCterms EndNote Datacite

Share

Metrics

Record views

338

Files downloads

247