Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Big Data et Machine Learning - 2e éd. - Les concepts et les outils de la data science
Dunod - EAN : 9782100754632
Édition papier
EAN : 9782100754632
Paru le : 7 oct. 2021
29,90 €
28,34 €
Epuisé
Pour connaître votre prix et commander, identifiez-vous
Remplacé par :
9782100790371
Arrêt définitif de commercialisation
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9782100754632
- Réf. éditeur : 2902451
- Collection : INFOPRO
- Editeur : Dunod
- Date Parution : 7 oct. 2021
- Disponibilite : Epuisé
- Barème de remise : NS
- Nombre de pages : 272
- Format : H:250 mm L:175 mm E:20 mm
- Poids : 560gr
- Interdit de retour : Retour interdit
-
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. - Biographie : 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.
