Eva Laude

  • Data Scientist et langage R : autoformation aux bases de l'intelligence artificielle dans l'univers de la data Nouv.

    Ce livre, pour lequel deux axes de lecture sont possibles, a pour objectif de proposer une formation complète et opérationnelle sur les data sciences. Le premier axe permet au lecteur d'apprendre à délivrer des solutions complètes via l'usage du langage R et de son écosystème, et le second lui permet d'acquérir une culture approfondie des data sciences tout en faisant abstraction du détail du code R grâce à l'utilisation d'un outillage interactif qui ne nécessite pas d'apprendre à coder en R.

    Ainsi, les auteurs proposent un parcours didactique et professionnalisant qui, sans autre prérequis qu'un niveau Bac en mathématiques et une grande curiosité, permet au lecteur :
    - de s'intégrer à une équipe de data scientists ;
    - d'aborder la lecture d'articles de recherche en IA ou data sciences ;
    - de développer en langage R ;
    - et de dialoguer avec une équipe projet comprenant des data scientists.

    Le livre ne se cantonne pas aux algorithmes classiques du Machine Learning (arbres de décision, réseaux neuronaux...), il aborde divers sujets importants comme le traitement du langage naturel, les séries temporelles, la logique floue ou la manipulation des images.

    Les sujets pratiques ou difficiles ne sont pas éludés. Le livre appréhende l'accès aux bases de données, les processus parallèles, la programmation fonctionnelle et la programmation objet, la création d'API, le partage de résultats d'analyse avec R Markdown et les dashboard Shiny, l'étude des représentations cartographiques ou encore l'implémentation du Deep Learning avec TensorFlow-2 et Keras.

    À la demande des lecteurs, cette troisième édition présente également une ouverture vers le langage Python et son interface avec R ainsi que l'installation d'une application R/shiny accessible sur internet via un serveur Linux abrité sur un cloud professionnel. Une extension vers l'utilisation de R pour les calculs numériques et les calculs mathématiques pour l'ingénierie dans le même esprit que MatLab ainsi que l'usage basique d'un outil de prototypage rapide de modèles de Machine Learning (BigML) en « ; point and click » permettront au lecteur ne voulant pas utiliser R de produire des modèles de prédiction sans coder !

    La dynamique de l'ouvrage soutient le lecteur pas à pas dans sa découverte des data sciences et l'évolution de ses compétences théoriques et pratiques. Le manager pourra surfer sur l'ouvrage après avoir lu attentivement le bestiaire des data sciences de l'introduction, qui sans vulgarisation excessive présente le sujet en faisant l'économie de mathématiques ou de formalismes dissuasifs.

    Les programmes R décrits dans le livre sont accessibles en téléchargement sur le site www.editions-eni.fr et peuvent être exécutés pas à pas.

  • Tous les experts s'accordent à dire que 90% des usages du Big Data proviennent de l'utilisation des data sciences et que celles-ci contribuent à l'essor de l'Intelligence Artificielle. L'objectif de ce livre est de proposer une formation complète et opérationnelle sur les data sciences qui permet de délivrer des solutions via l'usage du langage R.
    Ainsi, les auteurs proposent un parcours didactique et professionnalisant qui, sans autre pré-requis qu'un niveau Bac en mathématiques et une grande curiosité, permet au lecteur :
    - de s'intégrer à une équipe de data scientists, - d'aborder la lecture d'articles de recherche en IA ou data sciences, - le cas échéant de développer en langage R, y compris ses propres algorithmes, des graphiques complexes et des tableaux de bord interactifs, - ou tout simplement de manager une équipe projet comprenant des data scientists, en étant à même de dialoguer avec eux de façon efficace.
    Le livre ne se cantonne pas aux algorithmes classiques du "machine learning" (arbres de décision, réseaux neuronaux...), il aborde divers sujets importants comme le traitement du langage naturel, les séries temporelles, la logique floue, la manipulation des images.
    Avec cette nouvelle édition, le livre s'enrichit de nouveaux sujets comme le développement full-stack avec R (bases de données, processus parallèles, programmation fonctionnelle, API), le partage de résultats d'analyse avec R Markdown et les dashboard Shiny, l'étude des représentations cartographiques et l'implémentation de graphes Deep Learning avec TensorFlow.
    La dynamique de l'ouvrage soutient le lecteur pas à pas dans sa découverte des data sciences et l'évolution de ses compétences théoriques et pratiques. Le praticien en exercice y découvrira également de nombreux savoir-faire à acquérir et le manager pourra surfer sur l'ouvrage après avoir lu attentivement le bestiaire des data sciences de l'introduction, qui sans vulgarisation excessive présente le sujet en faisant l'économie de mathématiques ou de formalismes dissuasifs.
    Les programmes R décrits dans le livre sont accessibles en téléchargement sur le site www.editions-eni.fr et peuvent être exécutés pas à pas.

    Les chapitres du livre :
    Introduction - Premiers pas avec R - Maîtriser les bases - Techniques et algorithmes incontournables - Cadre méthodologique du data scientist - Traitement du langage naturel - Graphes et réseaux - Autres problèmes, autres solutions - Feature Engineering - Compléments utiles - Full Stack R - Partager ses analyses - Cartographie - TensorFlow - Annexes - Conclusion.

  • Ces deux livres offrent au lecteur un maximum d'informations sur langage R pour le traitement et l'exploitation des données.
    1559 pages par nos experts. Des éléments complémentaires sont en téléchargement sur le site www.editions-eni.fr.

    Un livre de la collection Ressources Informatiques.
    Langage R - Prise en main des statistiques.
    R est un langage statistique très riche en fonctionnalités de traitement des données. Il permet l'extraction de données de sources variées, leur traitement et leur organisation. Plus encore, la multiplicité des systèmes de visualisation graphique et les nombreuses fonctions de modélisation statistique font de ce langage un outil statistique redoutable.
    Avec ce livre, les auteurs proposent une présentation de R ayant pour objectif de lever la complexité apparente de ce puissant langage et de permettre une prise en main aisée des statistiques de premier cycle.
    Dans la première partie du livre, le lecteur découvre de manière détaillée les fondamentaux du langage R : les variables et la syntaxe des opérations de base, les structures de données, les outils du langage pour programmer notamment les structures de contrôles, les fonctions et même la conception de packages.
    Dans la seconde partie, les auteurs traitent des problématiques métiers liées aux outils d'importation et d'exportation de données, d'analyse basique et de visualisation des données, aux outils de simulation et d'inférences statistiques et aux modèles statistiques classiques (ANOVA, régression linéaire, etc.).
    Chaque concept abordé est accompagné d'exemples pratiques commentés pour guider le lecteur dans son apprentissage du langage pour le traitement des statistiques de base.
    Des éléments complémentaires sont disponibles en téléchargement sur le site www.editions-eni.fr.

    Un livre de la collection Epsilon.
    Data Scientist et langage R - Guide d'autoformation à l'exploitation intelligente des Big Data (2e édition).
    Tous les experts s'accordent à dire que 90% des usages du Big Data proviennent de l'utilisation des data sciences et que celles-ci contribuent à l'essor de l'Intelligence Artificielle. L'objectif de ce livre est de proposer une formation complète et opérationnelle sur les data sciences qui permette de délivrer des solutions via l'usage du langage R.

    Ainsi, les auteurs proposent un parcours didactique et professionnalisant qui, sans autre pré-requis qu'un niveau Bac en mathématiques et une grande curiosité, permet au lecteur :
    - de s'intégrer à une équipe de data scientists, - d'aborder la lecture d'articles de recherche en IA ou data sciences, - le cas échéant de développer en langage R, y compris ses propres algorithmes, des graphiques complexes et des tableaux de bord interactifs, - ou tout simplement de manager une équipe projet comprenant des data scientists, en étant à même de dialoguer avec eux de façon efficace.
    Le livre ne se cantonne pas aux algorithmes classiques du "machine learning" (arbres de décision, réseaux neuronaux...), il aborde divers sujets importants comme le traitement du langage naturel, les séries temporelles, la logique floue, la manipulation des images.
    Avec cette nouvelle édition, le livre s'enrichit de nouveaux sujets comme le développement full-stack avec R (bases de données, processus parallèles, programmation fonctionnelle, API), le partage de résultats d'analyse avec R Markdown et les dashboard Shiny, l'étude des représentations cartographiques et l'implémentation de graphes Deep Learning avec TensorFlow.
    La dynamique de l'ouvrage soutient le lecteur pas à pas dans sa découverte des data sciences et l'évolution de ses compétences théoriques et pratiques. Le praticien en exercice y découvrira également de nombreux savoir-faire à acquérir et le manager pourra surfer sur l'ouvrage après avoir lu attentivement le bestiaire des data sciences de l'introduction, qui sans vulgarisation excessive présente le sujet en faisant l'économie de mathématiques ou de formalismes dissuasifs.
    Les programmes R décrits dans le livre sont accessibles en téléchargement sur le site www.editions-eni.fr et peuvent être exécutés pas à pas.

    Sur commande
empty