Science des données

Note :   (4,4 sur 5)

Science des données (D. Kelleher John)

Avis des lecteurs

Résumé:

Le livre fournit une introduction complète et accessible à la science des données, couvrant son histoire, ses applications, ses outils et ses considérations éthiques. Bien qu'il constitue une excellente introduction pour les nouveaux venus, certains évaluateurs ont trouvé qu'il manquait de profondeur pour les personnes ayant des connaissances préalables dans le domaine.

Avantages:

Langage clair et facile à comprendre.
Bonne couverture des concepts de base et de l'écosystème de la science des données.
Aborde les questions éthiques importantes dans le domaine de la science des données.
Convient aux débutants et comme matériel de cours.
Contenu bien organisé et structuré.
Offre un aperçu complet des applications et des outils de la science des données.

Inconvénients:

Manque de profondeur et de spécificité, ce qui le rend moins adapté aux personnes ayant des connaissances de base.
Des informations génériques dans de nombreuses sections, seul le dernier chapitre offrant des perspectives originales.
Certains lecteurs l'ont trouvé trop basique ou de haut niveau.

(basé sur 64 avis de lecteurs)

Titre original :

Data Science

Contenu du livre :

Une introduction concise au domaine émergent de la science des données, expliquant son évolution, sa relation avec l'apprentissage automatique, ses utilisations actuelles, les questions relatives à l'infrastructure des données et les défis éthiques.

L'objectif de la science des données est d'améliorer la prise de décision grâce à l'analyse des données. Aujourd'hui, la science des données détermine les publicités que nous voyons en ligne, les livres et les films qui nous sont recommandés en ligne, les courriels qui sont filtrés dans nos dossiers de spam, et même le montant de notre assurance maladie. Ce volume de la série Essential Knowledge de MIT Press propose une introduction concise au domaine émergent de la science des données, expliquant son évolution, ses utilisations actuelles, les problèmes d'infrastructure des données et les défis éthiques.

Il n'a jamais été aussi facile pour les organisations de collecter, de stocker et de traiter des données. L'utilisation de la science des données est motivée par l'essor du big data et des médias sociaux, le développement de l'informatique à haute performance et l'émergence de méthodes puissantes d'analyse et de modélisation des données telles que l'apprentissage en profondeur. La science des données englobe un ensemble de principes, de définitions de problèmes, d'algorithmes et de processus permettant d'extraire des modèles non évidents et utiles à partir de vastes ensembles de données. Elle est étroitement liée aux domaines de l'exploration des données et de l'apprentissage automatique, mais son champ d'application est plus large. Ce livre présente un bref historique du domaine, introduit les concepts fondamentaux des données et décrit les étapes d'un projet de science des données. Il aborde l'infrastructure des données et les défis posés par l'intégration de données provenant de sources multiples, présente les bases de l'apprentissage automatique et examine la manière de relier l'expertise en matière d'apprentissage automatique aux problèmes du monde réel. Le livre passe également en revue les questions éthiques et juridiques, les développements en matière de réglementation des données et les approches informatiques visant à préserver la vie privée. Enfin, il examine l'impact futur de la science des données et propose des principes pour la réussite des projets de science des données.

Autres informations sur le livre :

ISBN :9780262535434
Auteur :
Éditeur :
Reliure :Broché
Année de publication :2018
Nombre de pages :280

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Science des données - Data Science
Une introduction concise au domaine émergent de la science des données, expliquant son évolution, sa relation avec l'apprentissage automatique,...
Science des données - Data Science
Fondamentaux de l'apprentissage automatique pour l'analyse prédictive des données, deuxième édition...
La deuxième édition d'une introduction complète...
Fondamentaux de l'apprentissage automatique pour l'analyse prédictive des données, deuxième édition : Algorithmes, exemples pratiques et études de cas - Fundamentals of Machine Learning for Predictive Data Analytics, Second Edition: Algorithms, Worked Examples, and Case Studies
Apprentissage profond - Deep Learning
Une introduction accessible à la technologie d'intelligence artificielle qui permet la vision par ordinateur, la reconnaissance vocale, la...
Apprentissage profond - Deep Learning

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)