Titre :	Big Data et Machine Learning : Manuel du data scientist
Type de document :	texte imprimé
Editeur :	DUNOD
Année de publication :	2016
Importance :	239
ISBN/ISSN/EAN :	978-2-10-072074-3
Prix :	3,76 dollars
Langues :	Français (fre)
Résumé :	Cet ouvrage s adresse a tous ceux qui reflechissent a la meilleure utilisation possible des donnees au sein de l entreprise, qu ils soient data scientists, DSI, chefs de projets ou specialistes metier.Le Big Data s est impose comme une innovation majeure pour toutes les entreprises qui cherchent a construire un avantage concurrentiel grace a l exploitation de leurs donnees clients, fournisseurs, produits, processus, machines, etc.Mais quelle solution technique choisir ? Quelles competences metier developper au sein de la DSI ?Ce livre est un guide pour comprendre les enjeux d un projet Big Data, en apprehender les concepts sous-jacents (en particulier le machine learning) et acquerir les competences necessaires a la mise en place d un data lab.Il combine la presentation: de notions theoriques (traitement statistique des donnees, calcul distribue...); d outils (ecosysteme Hadoop, Storm...); d exemples de machine learning; d une organisation typique d un projet de data science."

Big Data et Machine Learning : Manuel du data scientist [texte imprimé] . - DUNOD, 2016 . - 239.
ISBN : 978-2-10-072074-3 : 3,76 dollars
Langues : Français (fre)

Résumé :

Cet ouvrage s adresse a tous ceux qui reflechissent a la meilleure utilisation possible des donnees au sein de l entreprise, qu ils soient data scientists, DSI, chefs de projets ou specialistes metier.Le Big Data s est impose comme une innovation majeure pour toutes les entreprises qui cherchent a construire un avantage concurrentiel grace a l exploitation de leurs donnees clients, fournisseurs, produits, processus, machines, etc.Mais quelle solution technique choisir ? Quelles competences metier developper au sein de la DSI ?Ce livre est un guide pour comprendre les enjeux d un projet Big Data, en apprehender les concepts sous-jacents (en particulier le machine learning) et acquerir les competences necessaires a la mise en place d un data lab.Il combine la presentation: de notions theoriques (traitement statistique des donnees, calcul distribue...); d outils (ecosysteme Hadoop, Storm...); d exemples de machine learning; d une organisation typique d un projet de data science."