Détail d'une collection
InfoPro
Editeur :
ISSN :
pas d'ISSN
Sous-collections rattachées :
|
Documents disponibles dans la collection (3)
Affiner la recherche
Titre : Big data et machine learning : les concepts et les outils de la data science Type de document : texte imprimé Auteurs : Pirmin Lemberger, Auteur ; Marc Batty, Auteur ; Médéric Morel, Auteur ; Jean-Luc Raffaëli, Auteur Mention d'édition : 3 éd. Editeur : Malakoff : Dunod Année de publication : DL 2019 Collection : InfoPro Sous-collection : Management des systèmes d'information Importance : 1 vol. (X-256 p.) Présentation : ill. Format : 25 cm ISBN/ISSN/EAN : 978-2-10-079037-1 Prix : 29,90 EUR Note générale : Index Langues : Français (fre) Mots-clés : Analyse des données Aspect économique Données massives Gestion Index. décimale : K.45 Intelligence artificielle et big-data, machine Learning Résumé : Cet ouvrage s'adresse à tous ceux qui cherchent à tirer parti de l'énorme potentiel des « technologies Big Data », qu'ils soient data scientists, DSI, chefs de projets ou spécialistes métier.Le Big Data s'est imposé comme une innovation majeure pour toutes les entreprises qui cherchent à construire un avantage concurrentiel grâce à l'exploitation de leurs données clients, fournisseurs, produits, processus, machines, etc.Mais quelle solution technique choisir ' Quelles compétences métier développer au sein de la DSI 'Ce livre est un guide pour comprendre les enjeux d'un projet Big Data, en appréhender les concepts sous-jacents (en particulier le Machine Learning) et acquérir les compétences nécessaires à la mise en place d'un data lab.Il combine la présentation :* de notions théoriques (traitement statistique des données, calcul distribué...) ;* des outils les plus répandus (écosystème Hadoop, Storm...) ;* d'exemples d'applications ;* d'une organisation typique d'un projet de data science.Les ajouts de cette troisième édition concernent principalement la vision d'architecture d'entreprise, nécessaire pour intégrer les innovations du Big Data au sein des organisations, et le Deep Learning pour le NLP (Natural Language Processing, qui est l'un des domaines de l'intelligence artificielle qui a le plus progressé récemment). Big data et machine learning : les concepts et les outils de la data science [texte imprimé] / Pirmin Lemberger, Auteur ; Marc Batty, Auteur ; Médéric Morel, Auteur ; Jean-Luc Raffaëli, Auteur . - 3 éd. . - Malakoff : Dunod, DL 2019 . - 1 vol. (X-256 p.) : ill. ; 25 cm. - (InfoPro. Management des systèmes d'information) .
ISBN : 978-2-10-079037-1 : 29,90 EUR
Index
Langues : Français (fre)
Mots-clés : Analyse des données Aspect économique Données massives Gestion Index. décimale : K.45 Intelligence artificielle et big-data, machine Learning Résumé : Cet ouvrage s'adresse à tous ceux qui cherchent à tirer parti de l'énorme potentiel des « technologies Big Data », qu'ils soient data scientists, DSI, chefs de projets ou spécialistes métier.Le Big Data s'est imposé comme une innovation majeure pour toutes les entreprises qui cherchent à construire un avantage concurrentiel grâce à l'exploitation de leurs données clients, fournisseurs, produits, processus, machines, etc.Mais quelle solution technique choisir ' Quelles compétences métier développer au sein de la DSI 'Ce livre est un guide pour comprendre les enjeux d'un projet Big Data, en appréhender les concepts sous-jacents (en particulier le Machine Learning) et acquérir les compétences nécessaires à la mise en place d'un data lab.Il combine la présentation :* de notions théoriques (traitement statistique des données, calcul distribué...) ;* des outils les plus répandus (écosystème Hadoop, Storm...) ;* d'exemples d'applications ;* d'une organisation typique d'un projet de data science.Les ajouts de cette troisième édition concernent principalement la vision d'architecture d'entreprise, nécessaire pour intégrer les innovations du Big Data au sein des organisations, et le Deep Learning pour le NLP (Natural Language Processing, qui est l'un des domaines de l'intelligence artificielle qui a le plus progressé récemment). Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 100021235 K.45 LEM Livre Salle "Rosa Parks" RP-A1a A Consulter sur Place
Exclu du prêt
Titre : Docker et conteneurs : architectures, développement, usages et outils Type de document : texte imprimé Auteurs : Pierre-Yves Cloux, Auteur ; Thomas Garlot, Auteur ; Johann Kohler (1985-....), Auteur Mention d'édition : 3e éd. Editeur : Malakoff : Dunod Année de publication : DL 2022 Autre Editeur : 42-Saint-Just-la-Pendue : Impr. Chirat Collection : InfoPro Sous-collection : Études, développement, intégration Importance : 1 vol. (XII-305 p.) Présentation : ill. Format : 25 cm ISBN/ISSN/EAN : 978-2-10-083656-7 Prix : 29,90 EUR Note générale : Index Langues : Français (fre) Mots-clés : Docker Index. décimale : K.10 Web et Programmation Résumé : Cet ouvrage s'adresse aux développeurs, aux architectes logiciels, aux administrateurs système, aux responsables opérationnels des déploiements qui sont impliqués dans la livraison de nouvelles applications.Déployer du code en production a longtemps été une source de problèmes auxquels la virtualisation avait commencé à apporter des solutions. Aujourd'hui les conteneurs et leurs environnements d'exécution comme Kubernetes proposent des réponses nettement plus satisfaisantes.Cet ouvrage a plusieurs objectifs :vous expliquer le concept de conteneur et les outils de construction et d'exécution (Docker, Podman et d'autres) ;présenter différentes architectures à base de conteneurs (Docker, Kubernetes, Swarm, Nomad, etc.) ;vous apprendre à installer un moteur de conteneur et à le configurer sur un poste de travail ou dans un environnement serveur ;vous montrer comment utiliser les conteneurs (création d'image, intégration continue, persistance, réseau, supervision, etc.) pour supporter l'implémentation et le déploiement d'une application distribuée réaliste ;vous fournir une référence complète associée à des exemples didactiques et réutilisables d'architectures multiprocessus utilisant les conteneurs (mono-hôte ou multi-hôtes).Le code source et les exemples de ce livre sont distribués via GitHub sur le dépôt public :https://github.com/dunod-docker/docker-exemples-edition3/ Docker et conteneurs : architectures, développement, usages et outils [texte imprimé] / Pierre-Yves Cloux, Auteur ; Thomas Garlot, Auteur ; Johann Kohler (1985-....), Auteur . - 3e éd. . - Malakoff : Dunod : 42-Saint-Just-la-Pendue : Impr. Chirat, DL 2022 . - 1 vol. (XII-305 p.) : ill. ; 25 cm. - (InfoPro. Études, développement, intégration) .
ISBN : 978-2-10-083656-7 : 29,90 EUR
Index
Langues : Français (fre)
Mots-clés : Docker Index. décimale : K.10 Web et Programmation Résumé : Cet ouvrage s'adresse aux développeurs, aux architectes logiciels, aux administrateurs système, aux responsables opérationnels des déploiements qui sont impliqués dans la livraison de nouvelles applications.Déployer du code en production a longtemps été une source de problèmes auxquels la virtualisation avait commencé à apporter des solutions. Aujourd'hui les conteneurs et leurs environnements d'exécution comme Kubernetes proposent des réponses nettement plus satisfaisantes.Cet ouvrage a plusieurs objectifs :vous expliquer le concept de conteneur et les outils de construction et d'exécution (Docker, Podman et d'autres) ;présenter différentes architectures à base de conteneurs (Docker, Kubernetes, Swarm, Nomad, etc.) ;vous apprendre à installer un moteur de conteneur et à le configurer sur un poste de travail ou dans un environnement serveur ;vous montrer comment utiliser les conteneurs (création d'image, intégration continue, persistance, réseau, supervision, etc.) pour supporter l'implémentation et le déploiement d'une application distribuée réaliste ;vous fournir une référence complète associée à des exemples didactiques et réutilisables d'architectures multiprocessus utilisant les conteneurs (mono-hôte ou multi-hôtes).Le code source et les exemples de ce livre sont distribués via GitHub sur le dépôt public :https://github.com/dunod-docker/docker-exemples-edition3/ Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 100036729 K.10 CLO Livre Salle "Rosa Parks" RP-E22a A Consulter sur Place
Exclu du prêt
Titre : Python pour le data scientist : des bases du langage au machine learning Type de document : texte imprimé Auteurs : Emmanuel Jakobowicz (1980-....), Auteur Mention d'édition : 3e éd. Editeur : Malakoff : Dunod Année de publication : DL 2024 Autre Editeur : 53-Mayenne : Dupliprint Collection : InfoPro Importance : 1 vol. (334 p.) Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-10-085976-4 Prix : 32 EUR Note générale : Bibliogr. et webliogr. p. 327-330. Index Langues : Français (fre) Mots-clés : Python (langage de programmation) Apprentissage automatique Données massives Index. décimale : K.45 Intelligence artificielle et big-data, machine Learning Résumé : Si vous vous intéressez au traitement des données avec le langage Python, cet ouvrage s'adresse à vous. Que vous soyez débutant en Python ou que vous ayez une expérience significative, il vous apportera les clés pour utiliser ce langage en data science.Ce livre répond à de nombreuses questions sur Python :Comment utiliser Python en data science 'Comment coder en Python 'Comment préparer des données avec Python 'Comment créer des visualisations attractives avec Python 'Comment appliquer des modèles de machine learning et de deep learning avec Python 'Comment passer aux environnements big data 'Vous apprendrez à tirer parti des multiples outils Python tels que conda, Jupyter, NumPy, Pandas, Matplotlib, Seaborn, Plotly, Dash, Streamlit, Scikit-Learn, TensorFlow, Keras, PySpark... pour mettre en place vos traitements.Cette troisième édition est complétée et enrichie par des mises à jour de code liées aux évolutions de Python et des packages de data science.L'ensemble du code compris dans cet ouvrage est disponible sous la forme de notebooks Jupyter dans le repository public de l'auteur : https://github.com/emjako/pythondatascientist En ligne : 858029 Python pour le data scientist : des bases du langage au machine learning [texte imprimé] / Emmanuel Jakobowicz (1980-....), Auteur . - 3e éd. . - Malakoff : Dunod : 53-Mayenne : Dupliprint, DL 2024 . - 1 vol. (334 p.) : ill. ; 24 cm. - (InfoPro) .
ISBN : 978-2-10-085976-4 : 32 EUR
Bibliogr. et webliogr. p. 327-330. Index
Langues : Français (fre)
Mots-clés : Python (langage de programmation) Apprentissage automatique Données massives Index. décimale : K.45 Intelligence artificielle et big-data, machine Learning Résumé : Si vous vous intéressez au traitement des données avec le langage Python, cet ouvrage s'adresse à vous. Que vous soyez débutant en Python ou que vous ayez une expérience significative, il vous apportera les clés pour utiliser ce langage en data science.Ce livre répond à de nombreuses questions sur Python :Comment utiliser Python en data science 'Comment coder en Python 'Comment préparer des données avec Python 'Comment créer des visualisations attractives avec Python 'Comment appliquer des modèles de machine learning et de deep learning avec Python 'Comment passer aux environnements big data 'Vous apprendrez à tirer parti des multiples outils Python tels que conda, Jupyter, NumPy, Pandas, Matplotlib, Seaborn, Plotly, Dash, Streamlit, Scikit-Learn, TensorFlow, Keras, PySpark... pour mettre en place vos traitements.Cette troisième édition est complétée et enrichie par des mises à jour de code liées aux évolutions de Python et des packages de data science.L'ensemble du code compris dans cet ouvrage est disponible sous la forme de notebooks Jupyter dans le repository public de l'auteur : https://github.com/emjako/pythondatascientist En ligne : 858029 Réservation
Réserver ce document
Exemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité 100055314 K.45 JAK Livre Salle "Rosa Parks" RP-E23d A Consulter sur Place
Exclu du prêt100054901 K.45 JAK Livre Salle "Rosa Parks" RP-E23d A Consulter sur Place
Exclu du prêt
