
Téléchargez l'application Kindle gratuite et commencez à lire des livres Kindle instantanément sur votre smartphone, tablette ou ordinateur - aucun appareil Kindle n'est requis. En savoir plus
Lisez instantanément sur votre navigateur avec Kindle pour le Web.
Utilisation de l'appareil photo de votre téléphone portable - scannez le code ci-dessous et téléchargez l'application Kindle.

En savoir plus
Big Data et Machine Learning - Manuel du data scientist Broché – 18 février 2015
Il y a une édition plus récente de cet article:
29,90 €
(24)
Il ne reste plus que 14 exemplaire(s) en stock (d'autres exemplaires sont en cours d'acheminement).
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...) ;
• d’outils (écosystème Hadoop, Storm...) ;
• d’exemples de machine learning ;
• d’une organisation typique d’un projet de data science.
- Nombre de pages de l'édition imprimée240 pages
- LangueFrançais
- ÉditeurDunod
- Date de publication18 février 2015
- Dimensions17.5 x 1.6 x 25 cm
- ISBN-102100720740
- ISBN-13978-2100720743
Les clients ayant consulté cet article ont également regardé
Description du produit
Revue de presse
« Encore une ouvrage sur le Big Data ? Oui. Mais il se distingue par son approche méthodologique […] Les auteurs veillent à définir avec pédagogie comment mettre en œuvre concrètement le Big Data et en tirer de la valeur […] » CIO + Le monde informatique
« Un ouvrage pour vous éclairer sur les enjeux complexes du Big Data. » Developpez.com
« Son parti pris est de présenter le Big Data sous un angle spécifique, celui de l’analyse prédictive […] » Animasoft
« Mieux appréhender la donnée, ses enjeux et optimiser les projets big data et appréhender les concepts sous jacents pour pouvoir mettre en place un data lab. Tel est l’objectif de l’ouvrage. » Alliancy Le mag
« [...] d'intéressantes pages consacrées au métier de data scientist " dont les contours sont encore flous". Apparu en 2008, le terme est de plus en plus présent dans les offres d'emploi. » Archimag
« [...] un guide complet qui permettra de mieux comprendre les enjeux d'un projet Big Data et [...] la mise en place d'un data lab. » L'Informaticien
Biographie de l'auteur
Cofondateur de Dataiku, plateforme de développement et d’exécution d’applications prédictives.
Cofondateur et CEO de Mapwize, une plateforme de cartographie indoor. Il est auteur de cinq ouvrages chez Dunod.
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.
Détails sur le produit
- Éditeur : Dunod (18 février 2015)
- Langue : Français
- Broché : 240 pages
- ISBN-10 : 2100720740
- ISBN-13 : 978-2100720743
- Poids de l'article : 500 g
- Dimensions : 17.5 x 1.6 x 25 cm
- Classement des meilleures ventes d'Amazon : 561,824 en Livres (Voir les 100 premiers en Livres)
- Commentaires client :
À propos des auteurs
Auteur d'ouvrages sur les systèmes d'informations publiés chez Dunod et Wiley.
Co-fondateur et CEO de la plateforme de cartographie indoor Mapwize.
Découvrir d'autres livres de l'auteur, voir des auteurs similaires, lire des blogs d'auteurs et plus encore
Découvrir d'autres livres de l'auteur, voir des auteurs similaires, lire des blogs d'auteurs et plus encore
Jean-Luc Raffaëlli a porté pendant plus de 20 ans l’architecture de nombreux systèmes dans des domaines variés comme l’étude des données satellites, les télécoms et les services. Il exerce en tant que cadre stratégique au sein de la DSI du Groupe La Poste, dirigée par Mr Bruno ECHARDOUR.
En concertation avec les responsables des branches du Groupe, il représente depuis 2007 le Groupe sur les sujets de gouvernance Open Source, Cloud Computing et valorisation de la donnée notamment lors des sessions de travail du CIGREF et du conseil d’administration du Club Urba-EA. Il contribue également aux différentes déclinaisons SI de la stratégie Business du Groupe La Poste.
Commentaires client
Les avis clients, y compris le nombre d’étoiles du produit, aident les clients à en savoir plus sur le produit et à décider s'il leur convient.
Pour calculer le nombre global d’étoiles et la ventilation en pourcentage par étoile, nous n'utilisons pas une simple moyenne. Au lieu de cela, notre système prend en compte des éléments tels que la date récente d'un commentaire et si l'auteur de l'avis a acheté l'article sur Amazon. Les avis sont également analysés pour vérifier leur fiabilité.
En savoir plus sur le fonctionnement des avis clients sur Amazon-
Meilleures évaluations
Meilleures évaluations de France
Un problème s'est produit lors du filtrage des commentaires. Veuillez réessayer ultérieurement.
En bref, ce livre est passionnant, c'est un voyage. On y apprend des choses concrètes (présentation du Map Reduce, des différents algorithmes de ML par exemple) et il donne une très bonne vue d'ensemble de tout l'écosystème en ne nous noyant pas dans les détails.
Evidemment pour le data scientist en devenir, il ne constituera la première étape du voyage.
Il y a matière à penser (et pardonnons leur ces quelques petites coquilles: mots qui manquent par exemple).
A acheter sans hésiter !!!
Il se démarque des autres livres sur le Big Data en ce qu'il présente des méthodes et des solutions concrètes et non une simple revue ou une analyse socio-économique des implications du Big Data dans la vie des entreprises.
Ce livre s'adresse plus aux commerciaux et managers qu'aux techniciens désireux d'apprendre le Big Data "Bits and Bytes". Même si il y a parfois quelques lignes de codes très high-level, vous n’appréhenderez que les logiques théoriques du Big Data et du Machine Learning.
Attention cependant que certains passages nécessitent une bonne maîtrise des mathématiques et particulièrement de la Statistique. Si vous ne maîtrisez pas la différence entre une mesure de tendance et une mesure de dispersion, si vous ne concevez ni la notion de corrélation, ni de régression, passez votre chemin dans un premier temps.
A recommander pour ceux qui souhaitent avoir un guide complet pour de mieux comprendre les enjeux d'un projet Big Data ....
Une saine lecture pas trop prise de tête
Le livre est à conseiller comme introduction, pour des notions avancées, il faudra bien sûr plus que les 220 pages du livres.