Nouveauté
Science des Données avec Python Techniques D'apprentissage Supervisé: Analyse Discriminante, Modèles Logit et Probit, Modèles de Comptage, Arbres de Décision et Forêt Aléatoire. DATA SCIENCE
Par :Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format ePub est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
C'est si simple ! Lisez votre ebook avec l'app Vivlio sur votre tablette, mobile ou ordinateur :
- FormatePub
- ISBN8231105366
- EAN9798231105366
- Date de parution18/11/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurWalzone Press
Résumé
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.
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.
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.
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.
