8,99 €
8,99 €
inkl. MwSt.
Sofort per Download lieferbar
payback
0 °P sammeln
8,99 €
8,99 €
inkl. MwSt.
Sofort per Download lieferbar

Alle Infos zum eBook verschenken
payback
0 °P sammeln
Als Download kaufen
8,99 €
inkl. MwSt.
Sofort per Download lieferbar
payback
0 °P sammeln
Jetzt verschenken
8,99 €
inkl. MwSt.
Sofort per Download lieferbar

Alle Infos zum eBook verschenken
payback
0 °P sammeln
  • Format: ePub

La science des données est un domaine interdisciplinaire qui utilise des méthodes, des algorithmes, des processus et des systèmes pour extraire des connaissances et des conclusions à partir de données structurées et non structurées. Elle combine des éléments de statistiques, d'informatique, de mathématiques et de techniques analytiques pour résoudre des problèmes, faire des prédictions et générer de la valeur à partir des données. Elle s'appuie sur le big data pour découvrir des modèles, des tendances et des relations qui peuvent être utilisés pour la prise de décision dans divers secteurs.…mehr

  • Geräte: eReader
  • mit Kopierschutz
  • eBook Hilfe
  • Größe: 9.5MB
  • FamilySharing(5)
Produktbeschreibung
La science des données est un domaine interdisciplinaire qui utilise des méthodes, des algorithmes, des processus et des systèmes pour extraire des connaissances et des conclusions à partir de données structurées et non structurées. Elle combine des éléments de statistiques, d'informatique, de mathématiques et de techniques analytiques pour résoudre des problèmes, faire des prédictions et générer de la valeur à partir des données. Elle s'appuie sur le big data pour découvrir des modèles, des tendances et des relations qui peuvent être utilisés pour la prise de décision dans divers secteurs. C'est un support important pour l'intelligence artificielle. La science des données utilise deux types de techniques : l'apprentissage supervisé, qui entraîne un modèle avec des données d'entrée et de sortie connues pour prédire les résultats futurs, et l'apprentissage non supervisé, qui trouve des modèles cachés ou des structures intrinsèques dans les données d'entrée. La plupart des techniques d'apprentissage supervisé sont développées tout au long de ce livre d'un point de vue méthodologique et d'un point de vue pratique avec des applications via le logiciel Python. Les techniques suivantes sont explorées en profondeur : analyse discriminante, modèles logit, modèles probit, modèles de comptage, modèles linéaires généralisés, modèles de choix discrets, arbres de décision et forêts aléatoires.


Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Autorenporträt
PhD. Mathematician, Economist and Government Statistician. Professor at the Complutense University of Madrid in the Department of Statistics and Data Science. Author of more than 100 books and articles on Mathematics, Statistics, Economics, and Computer Science.