Nantilus
Python pour le data scientist : des bases du langage au machine learning
La 4e de couv. indique : "Si vous vous intéressez au traitement des données avec le langage Python cet ouvrage s'adresse à vous. Que vous soyez débutant en Python ou que vous ayez une expérience significative, il vous apportera les clés pour utiliser ce langage en data science. Ce livre ré...
Enregistré dans:
| Auteur principal : | |
|---|---|
| Format : | Livre |
| Langue : | français |
| Titre complet : | Python pour le data scientist : des bases du langage au machine learning / Emmanuel Jakobowicz |
| Publié : |
Malakoff :
Dunod
, DL 2018 |
| Description matérielle : | 1 vol. (XI-304 p.) |
| Collection : | InfoPro. Applications métiers |
| Sujets : | |
| Documents associés : | Autre format:
Python pour le data scientist |
| LEADER | 05425cam a2200481 4500 | ||
|---|---|---|---|
| 001 | PPN231720289 | ||
| 003 | http://www.sudoc.fr/231720289 | ||
| 005 | 20230710131000.0 | ||
| 010 | |a 978-2-10-077075-5 |b br. |d 29,90 EUR | ||
| 035 | |a (OCoLC)1066695591 | ||
| 073 | 1 | |a 9782100770755 | |
| 100 | |a 20181116h20182018k y0frey0103 ba | ||
| 101 | 0 | |a fre |2 639-2 | |
| 102 | |a FR | ||
| 105 | |a a a 001yy | ||
| 106 | |a r | ||
| 181 | |6 z01 |c txt |2 rdacontent | ||
| 181 | 1 | |6 z01 |a i# |b xxxe## | |
| 182 | |6 z01 |c n |2 rdamedia | ||
| 182 | 1 | |6 z01 |a n | |
| 183 | 1 | |6 z01 |a nga |2 RDAfrCarrier | |
| 200 | 1 | |a Python pour le data scientist |e des bases du langage au machine learning |f Emmanuel Jakobowicz | |
| 214 | 0 | |a Malakoff |c Dunod |d DL 2018 | |
| 215 | |a 1 vol. (XI-304 p.) |c ill., couv. ill. en coul. |d 25 cm | ||
| 225 | 2 | |a InfoPro |i Applications métiers |x 1776-5900 | |
| 339 | |a Guide d'utilisation du langage Python appliqué au travail sur les données et à l'automatisation de certaines tâches. Avec des exemples, des exercices et des compléments accessibles en ligne. ©Electre 2018 | ||
| 320 | |a Bibliogr. p. [297]-299. Index | ||
| 330 | |a La 4e de couv. indique : "Si vous vous intéressez au traitement des données avec le langage Python cet ouvrage s'adresse à vous. Que vous soyez débutant en Python ou que vous ayez une expérience significative, il vous apportera les clés pour utiliser ce langage en data science. Ce livre répond à de nombreuses questions sur Python : Comment utiliser Python en data science ? Comment coder en Python ? Comment préparer des données avec Python ? Comment créer des visualisations attractives avec Python ? Comment appliquer des modèles de machine learning et de deep learning avec Python ? Comment passer aux environnements big data ? Vous apprendrez à tirer parti des multiples outils Python tels que Anaconda, IPython, Jupyter, NumPy, Pandas, Matplotlibn Seaborn, Bokeh, Scikit-Learn, Keras, PySpark... pour mettre en place vos traitements." | ||
| 359 | 2 | |p P. IX |c Avant-propos |b Première partie |b Les fondamentaux du langage Python |p P. 15 |c 1 Python, ses origines et son environnement |p P. 15 |d 1.1 Histoire, origines et évolution : de la naissance à la version 3.7 |p P. 18 |d 1.2 Python vs R vs le reste du monde |p P. 23 |d 1.3 Comment développer en Python ? |p P. 25 |d 1.4 Les outils pour coder en Python |p P. 40 |d 1.5 Les packages pour la data science |p P. 43 |c 2 Python from scratch |p P. 43 |d 2.1 Principes de base |p P. 45 |d 2.2 Les interpréteurs : Python et IPython |p P. 50 |d 2.3 La base pour commencer à coder |p P. 54 |d 2.4 Les structures (tuples, listes, dictionnaires) |p P. 59 |d 2.5 La programmation (conditions, boucles...) |p P. 63 |d 2.6 Les fonctions |p P. 67 |d 2.7 Les classes et les objets |p P. 69 |d 2.8 Les packages et les modules |p P. 72 |d 2.9 Aller plus loin |b Deuxième partie |b La préparation et la visualisation des données avec Python |p P. 79 |c 3 Python et les données (NumPy et Pandas) |p P. 79 |d 3.1 La donnée à l'ère de la data science |p P. 81 |d 3.2 Les arrays de NumPy |p P. 95 |d 3.3 Les objets series et dataframe de Pandas |p P. 103 |c 4 La préparation des données et les premières statistiques |p P. 103 |d 4.1 Présentation des données |p P. 108 |d 4.2 Les outils pour charger les données |p P. 121 |d 4.3 Décrire et transformer des colonnes |p P. 147 |d 4.4 Extraire des statistiques descriptives |p P. 151 |d 4.5 Utilisation du groupby pour décrire des données |p P. 154 |d 4.6 Aller plus loin : accélération |p P. 159 |c 5 Data visualisation avec Python |p P. 159 |d 5.1 Construction de graphiques avec Matplotlib |p P. 178 |d 5.2 Seaborn pour des représentations plus élaborées |p P. 184 |d 5.3 Quelques bases de cartographie |p P. 190 |d 5.4 Les graphiques interactifs avec d'autres packages et outils |b Troisième partie |b Python, le machine learning et le big data |p P. 199 |c 6 Différentes utilisations du machine learning avec Python |p P. 199 |d 6.1 Le machine learning, qu'est-ce que c'est ? |p P. 202 |d 6.2 Comment faire du machine learning avec Python |p P. 205 |d 6.3 Le processus de traitement en machine learning |p P. 211 |d 6.4 L'apprentissage supervisé avec Scikit-Learn |p P. 238 |d 6.5 L'apprentissage non supervisé |p P. 249 |d 6.6 L'analyse textuelle avec Python |p P. 258 |d 6.7 Le deep learning avec Keras |p P. 271 |c 7 Python et le big data : tour d'horizon |p P. 271 |d 7.1 Est-ce qu'on change tout quand on parle de big data ? |p P. 272 |d 7.2 Comment traiter de la donnée massive avec Python |p P. 273 |d 7.3 Récupérer des données avec Python |p P. 276 |d 7.4 Utilisation d'Apache Spark avec pyspark en Python |p P. 289 |c Lexique de la data science |p P. 293 |c Mettre en place votre environnement |p P. 297 |c Bibliographie |p P. 301 |c Index | |
| 410 | | | |0 098177893 |t InfoPro. Applications métiers |x 1776-5900 | |
| 452 | | | |0 233360751 |t Python pour le data scientist |o des bases du langage au machine learning |f Emmanuel Jakobowicz |d 2018 |c Malakoff |n Dunod |y 978-21-0078-761-6 | |
| 606 | |3 PPN051626225 |a Python (langage de programmation) |2 rameau | ||
| 606 | |3 PPN027940373 |a Apprentissage automatique |2 rameau | ||
| 606 | |3 PPN167193686 |a Données massives |2 rameau | ||
| 606 | |3 PPN035198222 |a Exploration de données |2 rameau | ||
| 676 | |a 006.31 |v 23 |z fre | ||
| 700 | 1 | |3 PPN122309022 |a Jakobowicz |b Emmanuel |f 1980-.... |4 070 | |
| 801 | 3 | |a FR |b Electre |c 20181023 |g AFNOR | |
| 801 | 3 | |a FR |b Abes |c 20191209 |g AFNOR | |
| 979 | |a ECN | ||
| 930 | |5 441092104:62560413X |b 441092104 |j u | ||
| 930 | |5 441092306:64113827X |b 441092306 |a 681.3 B09 JAK |j u | ||
| 998 | |a 825626 | ||