Big data, machine learning et apprentissage profond / Stéphane Tufféry

Public ISBD Titre : Big data, machine learning et apprentissage profond Type de document : texte imprimé Auteurs : Stéphane Tufféry (1965-....), Auteur Editeur : Paris : Éditions Technip Année de publication : 2019 Importance : 1 vol. (XVI-580 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-7108-1188-6 Prix : 45 EUR Note générale : La couv. porte en plus : "analyse de sentiments, apprentissage par transfert, deep learning, données massives..." Bibliogr. p. 569-575. Index Langues : Français (fre) Mots-clés : Exploration de données  Méthodes statistiques  Apprentissage automatique Index. décimale : K.45 Intelligence artificielle et big-data, machine Learning Résumé : Dans cet ouvrage, les Big Data sont abordées du point de vue des applications, des méthodes d'analyse et de modélisation, des outils informatiques, et de l'optimisation de la programmation dans R et dans d'autres logiciels, dont Spark et H2O. Les principes de l'apprentissage profond sont détaillés, et tout particulièrement les réseaux de neurones convolutifs et récurrents. On rappelle ce que sont la descente du gradient et le mécanisme de rétropropagation, leurs difficultés (sur-apprentissage, évanouissement du gradient) et les solutions apportées (dropout, normalisation par lot, activation ReLU...). Les applications à la reconnaissance d'image et les architectures élaborées ces dernières années sont ensuite décrites, de même que des applications aux jeux de stratégie et dans le domaine artistique avec les modèles génératifs. Big data, machine learning et apprentissage profond [texte imprimé] / Stéphane Tufféry (1965-....), Auteur . - Paris : Éditions Technip, 2019 . - 1 vol. (XVI-580 p.) : ill. ; 24 cm. ISBN : 978-2-7108-1188-6 : 45 EUR La couv. porte en plus : "analyse de sentiments, apprentissage par transfert, deep learning, données massives..." Bibliogr. p. 569-575. Index Langues : Français (fre) Mots-clés : Exploration de données  Méthodes statistiques  Apprentissage automatique Index. décimale : K.45 Intelligence artificielle et big-data, machine Learning Résumé : Dans cet ouvrage, les Big Data sont abordées du point de vue des applications, des méthodes d'analyse et de modélisation, des outils informatiques, et de l'optimisation de la programmation dans R et dans d'autres logiciels, dont Spark et H2O. Les principes de l'apprentissage profond sont détaillés, et tout particulièrement les réseaux de neurones convolutifs et récurrents. On rappelle ce que sont la descente du gradient et le mécanisme de rétropropagation, leurs difficultés (sur-apprentissage, évanouissement du gradient) et les solutions apportées (dropout, normalisation par lot, activation ReLU...). Les applications à la reconnaissance d'image et les architectures élaborées ces dernières années sont ensuite décrites, de même que des applications aux jeux de stratégie et dans le domaine artistique avec les modèles génératifs.

Réservation

Réserver ce document

Exemplaires (4)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
100014580	K.45 TUF	Livre	Salle " Abraham Lincoln"	AL-E7f	Prêt possible Disponible
100014554	K.45 TUF	Livre	Salle " Abraham Lincoln"	AL-E7f	A Consulter sur Place Exclu du prêt
100014583	K.45 TUF	Livre	Salle " Abraham Lincoln"	AL-E7f	A Consulter sur Place Exclu du prêt
100046463	K.45 TUF	Livre	Salle " Abraham Lincoln"	AL-E7f	Prêt possible Sorti jusqu'au 16/05/2026

Data Mining et statistique décisionnelle / Stéphane Tufféry

Public ISBD Titre : Data Mining et statistique décisionnelle : La science des données Type de document : texte imprimé Auteurs : Stéphane Tufféry (1965-....), Auteur Mention d'édition : 5e édition actualisée et augmentée Editeur : Paris : Éditions Technip Année de publication : 2017 Importance : 914 pages ISBN/ISSN/EAN : 978-2-7108-1180-0 Prix : 44540F Langues : Français (fre) Index. décimale : K.45 Intelligence artificielle et big-data, machine Learning Résumé : Le data mining et la data science sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases de données, qu'elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, production, consommation, fidélisation...). Cette cinquième édition, actualisée et … Le data mining et la data science sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases de données, qu'elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, production, consommation, fidélisation...). Cette cinquième édition, actualisée et augmentée de 90 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au text mining, objet d'un chapitre complètement remanié. Nombre de ses outils appartiennent à l'analyse des données et à la statistique "classiques" (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée, régression clusterwise...) mais certains sont plus spécifiques au data mining, comme les réseaux de neurones, les algorithmes génétiques, les SVM, les arbres de décision, les forêts aléatoires, le boosting et la détection des règles d'associations. Les avancées les plus récentes du machine learning et les applications les plus actuelles des Big Data sont présentées, qui vont des algorithmes de reconnaissance d'image aux méthodes de plongement de mots en text mining. Les chapitres sur les réseaux de neurones et les SVM sont illustrés par la reconnaissance de l'écriture manuscrite. Ces outils sont disponibles dans des logiciels de plus en plus puissants et complets, à commencer par le logiciel libre R, que nous comparons en détail aux logiciels SAS et IBM SPSS dans un chapitre spécifique. Data Mining et statistique décisionnelle : La science des données [texte imprimé] / Stéphane Tufféry (1965-....), Auteur  . -  5e édition actualisée et augmentée . - Paris : Éditions Technip, 2017 . - 914 pages. ISBN : 978-2-7108-1180-0 : 44540F Langues : Français (fre) Index. décimale : K.45 Intelligence artificielle et big-data, machine Learning Résumé : Le data mining et la data science sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases de données, qu'elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, production, consommation, fidélisation...). Cette cinquième édition, actualisée et … Le data mining et la data science sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases de données, qu'elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, production, consommation, fidélisation...). Cette cinquième édition, actualisée et augmentée de 90 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au text mining, objet d'un chapitre complètement remanié. Nombre de ses outils appartiennent à l'analyse des données et à la statistique "classiques" (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée, régression clusterwise...) mais certains sont plus spécifiques au data mining, comme les réseaux de neurones, les algorithmes génétiques, les SVM, les arbres de décision, les forêts aléatoires, le boosting et la détection des règles d'associations. Les avancées les plus récentes du machine learning et les applications les plus actuelles des Big Data sont présentées, qui vont des algorithmes de reconnaissance d'image aux méthodes de plongement de mots en text mining. Les chapitres sur les réseaux de neurones et les SVM sont illustrés par la reconnaissance de l'écriture manuscrite. Ces outils sont disponibles dans des logiciels de plus en plus puissants et complets, à commencer par le logiciel libre R, que nous comparons en détail aux logiciels SAS et IBM SPSS dans un chapitre spécifique.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
100046461	K.45 TUF	Livre	Salle " Abraham Lincoln"	AL-E10a	Prêt possible Disponible

Étude de cas en statistique décisionnelle / Stéphane Tufféry

Public ISBD Titre : Étude de cas en statistique décisionnelle Type de document : texte imprimé Auteurs : Stéphane Tufféry (1965-....), Auteur Editeur : Paris : Éditions Technip Année de publication : 2019 Importance : 388 pages ISBN/ISSN/EAN : 978-2-7108-1187-9 Prix : 29.475F CFA Langues : Français (fre) Index. décimale : N.05.4 Ouvrages Universitaires et généraux Résumé : Comprendre les principes théoriques de la statistique est une chose ; savoir les mettre en pratique en est une autre, et le fossé peut être large entre les deux. C'est pour vous aider à le franchir que l'auteur a écrit un ouvrage de "travaux pratiques" de la statistique décisionnelle et de la data science, qui fait suite à son ouvrage Data Mining et Statistique Décisionnelle paru dans la même collection. Ce nouvel ouvrage présente une étude de cas réalisée de A à Z à partir du même jeu de données, et répondant de façon complète et cohérente à deux importantes problématiques : la construction d'une segmentation de clientèle et l'élaboration d'un score d'appétence à l'achat d'un produit ou la souscription d'un contrat. Les données utilisées sont à la fois réelles et complètes. Elles proviennent du secteur de l'assurance, mais l'étude qu'elles permettent de réaliser peut se transposer a de nombreux autres domaines. Ces données sont disponibles sur le Web, notamment sur le site des Editions Technip où elles sont accompagnées des programmes présentés dans l'ouvrage. Ceci permettra au lecteur de compléter sa lecture par des exercices personnels, par le test de variantes, mais aussi d'utiliser ces programmes pour les appliquer à ses propres données et ses propres projets. L'étude de cas est menée avec le logiciel SAS, qui est à la fois le plus complet et le plus répandu des logiciels statistiques commerciaux, et qui permet de traiter tous les sujets abordés dans l'ouvrage, et même d'optimiser et d'automatiser les traitements. Tout au long de l'ouvrage, une bonne partie des procédures classiques de SAS/STAT est passée en revue, en mentionnant les améliorations des versions récentes, mais, au-delà des questions de programmation, nous souhaitons surtout montrer au lecteur qu'il est souhaitable et possible de conjuguer rigueur et productivité. Pour le scoring, quatre méthodes classiques de modélisation sont mises en oeuvre et comparées, l'analyse discriminante linéaire, les arbres de décision, la régression logistique et le classificateur bayésien naïf, de même que le bagging et deux méthodes plus avancées mises en oeuvre par l'appel de code R dans le programme SAS : les forêts aléatoires et le gradient boosting. Étude de cas en statistique décisionnelle [texte imprimé] / Stéphane Tufféry (1965-....), Auteur . - Paris : Éditions Technip, 2019 . - 388 pages. ISBN : 978-2-7108-1187-9 : 29.475F CFA Langues : Français (fre) Index. décimale : N.05.4 Ouvrages Universitaires et généraux Résumé : Comprendre les principes théoriques de la statistique est une chose ; savoir les mettre en pratique en est une autre, et le fossé peut être large entre les deux. C'est pour vous aider à le franchir que l'auteur a écrit un ouvrage de "travaux pratiques" de la statistique décisionnelle et de la data science, qui fait suite à son ouvrage Data Mining et Statistique Décisionnelle paru dans la même collection. Ce nouvel ouvrage présente une étude de cas réalisée de A à Z à partir du même jeu de données, et répondant de façon complète et cohérente à deux importantes problématiques : la construction d'une segmentation de clientèle et l'élaboration d'un score d'appétence à l'achat d'un produit ou la souscription d'un contrat. Les données utilisées sont à la fois réelles et complètes. Elles proviennent du secteur de l'assurance, mais l'étude qu'elles permettent de réaliser peut se transposer a de nombreux autres domaines. Ces données sont disponibles sur le Web, notamment sur le site des Editions Technip où elles sont accompagnées des programmes présentés dans l'ouvrage. Ceci permettra au lecteur de compléter sa lecture par des exercices personnels, par le test de variantes, mais aussi d'utiliser ces programmes pour les appliquer à ses propres données et ses propres projets. L'étude de cas est menée avec le logiciel SAS, qui est à la fois le plus complet et le plus répandu des logiciels statistiques commerciaux, et qui permet de traiter tous les sujets abordés dans l'ouvrage, et même d'optimiser et d'automatiser les traitements. Tout au long de l'ouvrage, une bonne partie des procédures classiques de SAS/STAT est passée en revue, en mentionnant les améliorations des versions récentes, mais, au-delà des questions de programmation, nous souhaitons surtout montrer au lecteur qu'il est souhaitable et possible de conjuguer rigueur et productivité. Pour le scoring, quatre méthodes classiques de modélisation sont mises en oeuvre et comparées, l'analyse discriminante linéaire, les arbres de décision, la régression logistique et le classificateur bayésien naïf, de même que le bagging et deux méthodes plus avancées mises en oeuvre par l'appel de code R dans le programme SAS : les forêts aléatoires et le gradient boosting.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
9782710811879	N.05.4 TUF	Livre	Salle " Jean Daniel Vallet"	JV-E19d	Prêt possible Disponible

Modélisation prédictive et apprentissage statistique avec r / Stéphane Tufféry

Public ISBD Titre : Modélisation prédictive et apprentissage statistique avec r Type de document : texte imprimé Auteurs : Stéphane Tufféry (1965-....), Auteur Editeur : Paris : Éditions Technip Année de publication : 2024 Importance : 496 pages ISBN/ISSN/EAN : 978-2-7108-1199-2 Prix : 30100F Langues : Français (fre) Index. décimale : N.05.4 Ouvrages Universitaires et généraux Résumé : Une référence pour les étudiants et enseignants à l'heure du Big Data et de IA Issu de formations devant des publics variés, cet ouvrage présente les principales méthodes de modélisation statistique et de machine learning, à travers le conducteur d'une étude de cas. Chaque méthode fait l'objet d'un rappel de cours et est accompagnée de références bibliographiques, puis est mise en oeuvre avec des explications détaillées sur les calculs e ectués, les interprétations des résultats et jusqu'aux astuces de programmation permettant d'optimiser les temps de calcul. À ce sujet, une annexe est consacrée au traitement des données massives. La mise en oeuvre s'appuie sur le logiciel libre R, qui est devenu la lingua franca de la statistique et de la data science. C'est le logiciel le plus répandu dans le monde universitaire, mais il a aussi conquis le monde de l'entreprise, à tel point que tous les logiciels commerciaux proposent désormais une interface avec R. Modélisation prédictive et apprentissage statistique avec r [texte imprimé] / Stéphane Tufféry (1965-....), Auteur . - Paris : Éditions Technip, 2024 . - 496 pages. ISBN : 978-2-7108-1199-2 : 30100F Langues : Français (fre) Index. décimale : N.05.4 Ouvrages Universitaires et généraux Résumé : Une référence pour les étudiants et enseignants à l'heure du Big Data et de IA Issu de formations devant des publics variés, cet ouvrage présente les principales méthodes de modélisation statistique et de machine learning, à travers le conducteur d'une étude de cas. Chaque méthode fait l'objet d'un rappel de cours et est accompagnée de références bibliographiques, puis est mise en oeuvre avec des explications détaillées sur les calculs e ectués, les interprétations des résultats et jusqu'aux astuces de programmation permettant d'optimiser les temps de calcul. À ce sujet, une annexe est consacrée au traitement des données massives. La mise en oeuvre s'appuie sur le logiciel libre R, qui est devenu la lingua franca de la statistique et de la data science. C'est le logiciel le plus répandu dans le monde universitaire, mais il a aussi conquis le monde de l'entreprise, à tel point que tous les logiciels commerciaux proposent désormais une interface avec R.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
100046464	N.05.4 TUF	Livre	Salle " Jean Daniel Vallet"	JV-E19d	A Consulter sur Place Exclu du prêt

---

1 (1 - 4 / 4) Par page : 25 50 100 200