Nantilus
Pratique de la data science avec R : arranger, visualiser, analyser et présenter des données
Il y a moins de dix ans est apparue la data science (ou science des données), résultat d'une disponibilité croissante de données dans les entreprises et d'un nouveau regard sur ce que peuvent apporter les données aux entreprises. L'afflux parfois massif de données et les attentes ont...
Enregistré dans:
| Auteur principal : | |
|---|---|
| Format : | Manuel |
| Langue : | français |
| Titre complet : | Pratique de la data science avec R : arranger, visualiser, analyser et présenter des données / Christian Paroissin |
| Publié : |
Paris :
Ellipses
, DL 2021 |
| Description matérielle : | 1 vol. (V-275 p.) |
| Collection : | Références sciences |
| Sujets : | |
| Documents associés : | Autre format:
Pratique de la data science avec R |
| Résumé : | Il y a moins de dix ans est apparue la data science (ou science des données), résultat d'une disponibilité croissante de données dans les entreprises et d'un nouveau regard sur ce que peuvent apporter les données aux entreprises. L'afflux parfois massif de données et les attentes ont conduit à la nécessité de recruter des personnes compétentes à la fois en statistique et en informatique, mais également disposant de connaissances métiers. Le développement de nouvelles méthodologies statistique et informatique permet de répondre à ses enjeux. Le scientifique des données devra maîtriser plusieurs outils informatiques permettant de mettre en oeuvre une méthodologie statistique. Dans sa catégorie, le langage R est un langage de programmation qui peut tout à fait être un outil pertinent pour l'analyse statistique de données, à côté d'autres langages de programmation ou d'autres logiciels. Cet ouvrage présente différentes possibilités offertes par R aux scientifiques des données. Il est découpé en cinq parties reprenant les différentes étapes du cycle de vie d'un projet basé sur l'analyse statistique de données : la préparation des données, la transformation des données, la visualisation des données, l'analyse des données et enfin, l'étape ultime, la diffusion des résultats de l'analyse. Il s'adresse autant à des étudiants de master en statistique et/ou master big data qui font leurs premiers pas en data science, qu'à des ingénieurs qui souhaitent approfondir leurs connaissances et mettre en oeuvre leurs compétences à l'aide de R. |
|---|---|
| Bibliographie : | Notes bibliogr. Index |
| ISBN : | 978-2-3400-4758-7 9782340-047587 |