Lavoisier S.A.S.
14 rue de Provigny
94236 Cachan cedex
FRANCE

Heures d'ouverture 08h30-12h30/13h30-17h30
Tél.: +33 (0)1 47 40 67 00
Fax: +33 (0)1 47 40 67 02


Url canonique : www.lavoisier.fr/livre/informatique/big-data-et-machine-learning-3e-ed-les-concepts-et-les-outils-de-la-data-science/lemberger/descriptif_4192017
Url courte ou permalien : www.lavoisier.fr/livre/notice.asp?ouvrage=4192017

Big Data et Machine Learning - 3e éd. - Les concepts et les outils de la data science (3° Éd.) Les concepts et les outils de la data science Coll. InfoPro

Langue : Français

Auteurs :

Couverture de l’ouvrage Big Data et Machine Learning - 3e éd. - Les concepts et les outils de la data science
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 de l’exploitation de leurs données clients,  fournisseurs, produits, processus, etc.
Il a en outre permis l’émergence des techniques d’apprentissage  automatique (Machine Learning, Deep Learning…) qui ont  relancé le domaine de l’intelligence artificielle.
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 et acquérir les  compétences nécessaires à la mise en place d’une architecture  d’entreprise adaptée.
Il combine la présentation :
  • de notions théoriques (traitement statistique des données,  calcul distribué…) ;
  • des outils les plus répandus ;
  • d’exemples d’applications, notamment en NLP (Natural  Language Processing) ;
  • d’une organisation typique d’un projet de data science.

Les fondements du Big Data. Les origines du Big Data. Le Big Data dans les organisations. Le mouvement NoSQL. L’algorithme MapReduce et le framework Hadoop. Le métier de data scientist. Le quotidien du data scientist. Exploration et préparation de données. Le Machine Learning. La visualisation des données. Les outils du Big Data. L’écosystème Hadoop. Analyse de logs avec Pig et Hive. Les architectures λ. Apache Storm.
 
 

Docteur en physique théorique reconverti dans l'IT depuis une quinzaine d'années il est aujourd'hui data scientist, directeur scientifique chez onepoint. Spécialiste du Machine Learning il s'intéresse actuellement au NLP (Natural Language Processing).
Cofondateur de Dataiku, plateforme de développement et d’exécution d’applications prédictives.
Cofondateur et CEO de Mapwize, une plateforme de cartographie indoor. Il est auteur de cinq ouvrages chez Dunod.
Directeur de projets stratégiques au sein de la DSI du groupe La Poste. Il contribue aux différentes déclinaisons SI de la stratégie Business du groupe.

Date de parution :

Ouvrage de 272 p.

17.5x24.8 cm

Disponible chez l'éditeur (délai d'approvisionnement : 5 jours).

32,00 €

Ajouter au panier
ePub 24,99 €
Télécharger