Notice bibliographique

Notice

Type(s) de contenu et mode(s) de consultation : Texte noté : sans médiation

Titre(s) : Big data et machine learning [Texte imprimé] : les concepts et les outils de la data science / Pirmin Lemberger, Marc Batty, Médéric Morel... [et al.] ; préface d'Aurélien Géron

Édition : 2 éd.

Publication : Malakoff : Dunod, DL 2016

Impression : 42-Saint-Just-la-Pendue : Impr. Chirat

Description matérielle : 1 vol. (XVI-255 p.) : ill. ; 25 cm

Collection : InfoPro. Management des systèmes d'information

Lien à la collection : InfoPro. Management des systèmes d'information
InfoPro (Paris)

Note(s) : Index

Sujet(s) : Analyse des données -- Aspect économique Voir les notices liées en tant que sujet
Données massives -- Gestion Voir les notices liées en tant que sujet

Indice(s) Dewey : 658.403 8011 (23e éd.) = Gestion de l'information (gestion au niveau des cadres) - Systèmes Voir les notices liées en tant que sujet

Identifiants, prix et caractéristiques : ISBN 978-2-10-075463-2 (br.) : 29,90 EUR
EAN 9782100754632

Identifiant de la notice : ark:/12148/cb45135128t

Notice n° : FRBNF45135128

Résumé : Cet ouvrage s'adresse à tous ceux qui cherchent à tirer parti de l'énorme potentiel des « technologies Big Data », 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...) ;• des outils les plus répandus (écosystème Hadoop, Storm...) ;• d'exemples d'applications ;• d'une organisation typique d'un projet de data science.Cette deuxième édition est complétée et enrichie par des mises à jour sur les réseaux de neurones et sur le Deep Learning ainsi que sur Spark. [source éditeur]