R POUR LES DATA SCIENCES - IMPORTER, CLASSER, TRANSFORMER, VISUALISER ET MODELISER LES DONNEES

Eyrolles - EAN : 9782212675719
WICKHAM/GROLEMUND
Édition papier

EAN : 9782212675719

Paru le : 16 août 2018

39,00 € 36,97 €
Epuisé
Pour connaître votre prix et commander, identifiez-vous
Arrêt définitif de commercialisation
Notre engagement qualité
  • Benefits Livraison gratuite
    en France sans minimum
    de commande
  • Benefits Manquants maintenus
    en commande
    automatiquement
  • Benefits Un interlocuteur
    unique pour toutes
    vos commandes
  • Benefits Toutes les licences
    numériques du marché
    au tarif éditeur
  • Benefits Assistance téléphonique
    personalisée sur le
    numérique
  • Benefits Service client
    Du Lundi au vendredi
    de 9h à 18h
  • EAN13 : 9782212675719
  • Réf. éditeur : 869040
  • Collection : BLANCHE
  • Editeur : Eyrolles
  • Date Parution : 16 août 2018
  • Disponibilite : Epuisé
  • Barème de remise : NS
  • Nombre de pages : 478
  • Format : 2.50 x 19.00 x 23.00 cm
  • Poids : 866gr
  • Interdit de retour : Retour interdit
  • Résumé :

    Les data sciences constituent une discipline fascinante, qui vous servira à transformer des données brutes en idées et connaissances
    aisément compréhensibles. L'objectif de ce livre est de vous aider à maîtriser les outils essentiels qui vous permettront d'utiliser R dans la pratique des data sciences. Après l'avoir lu, vous pourrez faire face à la plupart des situations que vous rencontrerez dans vos projets, en exploitant au mieux les fonctionnalités de R.

    Mais avant de devenir un expert en R, vous devrez tout d'abord importer vos données, c'est-à-dire les lire, en général depuis un fichier, une base de données ou une API web, et les charger dans un cadre de données dans R. Si vous ne pouvez pas transférer vos données dans R, vous ne pourrez pas les analyser  ! Une fois vos données importées, vous gagnerez beaucoup à les ranger. Une fois vos données rangées, vous passerez bien souvent par une étape de transformation. Une fois vos données rangées avec les variables dont vous avez besoin, la génération de connaissances reposera principalement sur deux moteurs  : la visualisation et la modélisation. Leurs forces et faiblesses sont complémentaires, et toute bonne analyse doit tenir compte des deux.
    Inutile d'être un programmeur expert pour être un bon analyste de données, mais apprendre à programmer

Haut de page
Copyright 2024 Cufay. Tous droits réservés.