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/data-science-pour-l-entreprise/provost/descriptif_3663024
Url courte ou permalien : www.lavoisier.fr/livre/notice.asp?ouvrage=3663024

Data science pour l'entreprise Principes fondamentaux pour développer son activité Coll. Blanche

Langue : Français

Auteurs :

Couverture de l’ouvrage Data science pour l'entreprise

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$.

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

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.

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).

Date de parution :

Ouvrage de 372 p.

19x23 cm

Disponible chez l'éditeur (délai d'approvisionnement : 3 jours).

39,00 €

Ajouter au panier