Data science pour l'entreprise - Foster Provost , Tom Fawcett - Librairie Eyrolles
Tous nos rayons

Déjà client ? Identifiez-vous

Mot de passe oublié ?

Nouveau client ?

CRÉER VOTRE COMPTE
Data science pour l'entreprise
Consulter un extrait Ajouter à une liste

Librairie Eyrolles - Paris 5e
Disponible en magasin

Data science pour l'entreprise

Data science pour l'entreprise

Principes fondamentaux pour développer son activité

Foster Provost, Tom Fawcett - Collection Blanche

370 pages, parution le 16/08/2018

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$.

L'avis du libraire Eyrolles

Comment gérer des projets orientés data science dans les entreprises ? Un guide pour comprendre les concepts techniques et exploiter les données à des fins de stratégies commerciales.

Extrait du livre

L'auteur - Foster Provost

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.

L'auteur - Tom Fawcett

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).

Sommaire

  • Le raisonnement orienté données
  • Problèmes d'entreprises et solutions de data science
  • Introduction à la modélisation prédictive : des corrélations à la segmentation supervisée
  • Ajuster un modèle aux données
  • Le surajustement et comment l'éviter
  • Similarité, voisins et clusters
  • L'analyse décisionnelle I : qu'est-ce qu'un bon modèle ?
  • Visualiser les performances d'un modèle &
  • Preuves et probabilités
  • Représentation et exploration de textes
  • L'analyse décisionnelle II : vers l'ingénierie analytique
  • Autres problèmes et techniques de data science
  • Data science et stratégie commerciale
  • Conclusion
  • Annexes
  • Guide d'évaluation des propositions de projet
  • Un autre exemple de proposition de projet
Voir tout
Replier

Caractéristiques techniques

  PAPIER NUMERIQUE
Éditeur(s) Eyrolles
Auteur(s) Foster Provost, Tom Fawcett
Collection Blanche
Parution 16/08/2018 16/08/2018
Nb. de pages 370 370
Format 19 x 23 -
Couverture Broché -
Poids 788g -
Intérieur Noir et Blanc -
Contenu - ePub + PDF
EAN13 9782212675702 9782212822144
ISBN13 978-2-212-67570-2 -

Avantages Eyrolles.com

Livraison à partir de 0,01 en France métropolitaine
Paiement en ligne SÉCURISÉ
Livraison dans le monde
Retour sous 15 jours
+ d'un million et demi de livres disponibles
satisfait ou remboursé
Satisfait ou remboursé
Paiement sécurisé
modes de paiement
Paiement à l'expédition
partout dans le monde
Livraison partout dans le monde
Service clients sav@commande.eyrolles.com
librairie française
Librairie française depuis 1925
Recevez nos newsletters
Vous serez régulièrement informé(e) de toutes nos actualités.
Inscription