Big Data et machine learning : Manuel du data scientist
Big Data et machine learning : Manuel du data scientist
Dunod (18 février 2015) | ISBN: 2100720740 | Français | PDF | 240 pages | 79 MB
Cet ouvrage s’adresse à tous ceux qui réfléchissent à la meilleure utilisation possible des données au sein de l’entreprise, 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 donnéesclients, 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 lesconcepts sous-jacents (en particulier le machine learning) et acquérir les compétencesnécessaires à la mise en place d’un data lab.
Il combine la présentation :
-de notions théoriques (traitement statistique des données, calcul distribué…) ;
-d’outils (écosystème Hadoop, Storm…) ;
-d’exemples de machine learning ;
-d’une organisation typique d’un projet de data science.
Une version de démonstration de « Data Science Studio » et des jeux de données sont téléchargeables à l’adresse suivante : www.dataiku.com/livre-big-data.
Dunod (18 février 2015) | ISBN: 2100720740 | Français | PDF | 240 pages | 79 MB
Cet ouvrage s’adresse à tous ceux qui réfléchissent à la meilleure utilisation possible des données au sein de l’entreprise, 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 donnéesclients, 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 lesconcepts sous-jacents (en particulier le machine learning) et acquérir les compétencesnécessaires à la mise en place d’un data lab.
Il combine la présentation :
-de notions théoriques (traitement statistique des données, calcul distribué…) ;
-d’outils (écosystème Hadoop, Storm…) ;
-d’exemples de machine learning ;
-d’une organisation typique d’un projet de data science.
Une version de démonstration de « Data Science Studio » et des jeux de données sont téléchargeables à l’adresse suivante : www.dataiku.com/livre-big-data.