Alain Chautard est ingénieur en data science dans le groupe Thales. Il a travaillé pendant vingt ans dans les services d'études avancées. où il a été acteur dans la modélisation et la simulation de systèmes implexes. Depuis quinze ans. Il participe au développement et la mise en ouvre des systèmes d'information notamment dans le domaine de la gestion de projet. Dans ce cadre il est en charge d'études concernant l'utilisation des données capitalisées et leur modélisation des fins de prédictions pour le conduite du changement et de l'amélioration continue.
La data science pour modéliser les systèmes complexes. Optimiser la prédiction, l'estimation et l'interprétation
Par :Formats :
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay estimée à partir du 22 septembreCet article sera commandé chez un fournisseur et vous sera envoyé 21 jours après la date de votre commande.
- Retrait Click and Collect en magasin gratuit
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages210
- FormatGrand Format
- PrésentationBroché
- Poids0.47 kg
- Dimensions17,0 cm × 24,0 cm × 1,6 cm
- ISBN978-2-10-083087-9
- EAN9782100830879
- Date de parution07/09/2022
- CollectionTechnique et ingénierie. Gest
- ÉditeurDunod
Résumé
La data science est devenue un outil de prévision et d'aide à la décision indispensable aux ingénieurs, aux chercheurs et aux responsables en charge de la gestion des projets et des processus. Toutefois, son application à des systèmes complexes exige de dépasser les méthodes linéaires de modélisation généralement appliquées. En effet, si ces méthodes fonctionnent dans la plupart des environnements, elles présentent d'importants biais dès lors que l'on a affaire à des systèmes complexes (météorologie, physique non linéaire, économétrie, finance, etc.).
En s'appuyant sur trois cas concrets représentatifs (environnement physique, marchés financiers, gestion de projet), cet ouvrage illustre comment exploiter les données de systèmes complexes pour construire des modèles maîtrisables, exploitables et performants en termes de prédiction, d'estimation et d'interprétation. Il offre une réflexion globale sur les spécificités des systèmes complexes ainsi que des outils concrets pour mieux les interpréter.
En s'appuyant sur trois cas concrets représentatifs (environnement physique, marchés financiers, gestion de projet), cet ouvrage illustre comment exploiter les données de systèmes complexes pour construire des modèles maîtrisables, exploitables et performants en termes de prédiction, d'estimation et d'interprétation. Il offre une réflexion globale sur les spécificités des systèmes complexes ainsi que des outils concrets pour mieux les interpréter.
