{"product_id":"110731","title":"Statistiques pour la science des données ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jYEEOzhWhAZlXeDM9HfUeMBhui0TX.png?v=1765042057\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\n\n\u003cdiv style=\"width:95%\"\u003e\n\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e Statistiques pour la science des données \u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/99942893\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e Description \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eIntroduction au livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\u003cdiv\u003e \u003cb\u003eStatistiques pratiques : Apprenez l’essentiel avec Python et R\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Les techniques statistiques sont essentielles à la science des données, mais les spécialistes des données n'ont pas besoin de connaître les statistiques classiques en détail.\u003cbr\u003e Ce livre présente uniquement les concepts et techniques statistiques essentiels du point de vue de la science des données.\u003cbr\u003e En parcourant les 50 concepts étape par étape et en exécutant le code, vous pouvez rapidement assimiler les connaissances statistiques essentielles.\u003cbr\u003e La deuxième édition inclut un nouveau code Python compatible avec le code R existant.\u003cbr\u003e J'espère que « Statistiques pour la science des données » vous aidera à devenir un data scientist compétent, capable d'utiliser efficacement les théories nécessaires au bon endroit.\u003cbr\u003e\n\n\u003c\/div\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cul\u003e\u003cli\u003e Vous pouvez consulter un aperçu du contenu du livre.\u003cbr\u003e \u003cspan\u003eAperçu\u003c\/span\u003e\n\n\u003c\/li\u003e\u003c\/ul\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003eCHAPITRE 1 Analyse exploratoire des données\u003c\/b\u003e\u003cbr\u003e \u003cbr\u003e1.1 Éléments de données structurées\u003cbr\u003e 1.2 Données du tableau\u003cbr\u003e 1.3 Estimation de l'emplacement\u003cbr\u003e 1.4 Estimation des variantes\u003cbr\u003e 1.5 Exploration des distributions de données\u003cbr\u003e 1.6 Exploration des données binaires et catégorielles\u003cbr\u003e 1.7 Corrélation\u003cbr\u003e 1.8 Exploration de plusieurs variables\u003cbr\u003e 1.9 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 2 Données et distributions d'échantillonnage\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 2.1 Échantillonnage aléatoire et biais d'échantillonnage\u003cbr\u003e 2.2 Biais de sélection\u003cbr\u003e 2.3 Distribution d'échantillonnage en statistique\u003cbr\u003e 2.4 Bootstrap\u003cbr\u003e 2.5 Intervalle de confiance\u003cbr\u003e 2.6 Distribution normale\u003cbr\u003e 2.7 Distribution à longue queue\u003cbr\u003e 2.8 Distribution t de Student\u003cbr\u003e 2.9 Distribution binomiale\u003cbr\u003e 2.10 Distribution du chi carré\u003cbr\u003e 2.11 Distribution F\u003cbr\u003e 2.12 Distribution de Poisson et autres distributions apparentées\u003cbr\u003e 2.13 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 3 Expériences statistiques et tests de signification\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 3.1 Test A\/B\u003cbr\u003e 3.2 Tests d'hypothèses\u003cbr\u003e 3.3 Rééchantillonnage\u003cbr\u003e 3.4 Signification statistique et valeur p\u003cbr\u003e 3,5 t noir\u003cbr\u003e 3.6 Tests multiples\u003cbr\u003e 3,7 degrés de liberté\u003cbr\u003e 3.8 Analyse de la variance\u003cbr\u003e 3.9 Test du chi carré\u003cbr\u003e 3.10 Algorithme de bandit manchot\u003cbr\u003e 3.11 Puissance et taille de l'échantillon\u003cbr\u003e 3.12 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 4 RÉGRESSION ET PRÉDICTION\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 4.1 Régression linéaire simple\u003cbr\u003e 4.2 Régression linéaire multiple\u003cbr\u003e 4.3 Prédiction par régression \u003cbr\u003e4.4 Variables factorielles en régression\u003cbr\u003e 4.5 Interprétation de l'équation de régression\u003cbr\u003e 4.6 Diagnostic de régression\u003cbr\u003e 4.7 Régression polynomiale et régression spline\u003cbr\u003e 4.8 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 5 CLASSIFICATION\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 5.1 Naïf Bayes\u003cbr\u003e 5.2 Analyse discriminante\u003cbr\u003e 5.3 Régression logistique\u003cbr\u003e 5.4 Évaluation du modèle de classification\u003cbr\u003e 5.5 Traitement des données déséquilibrées\u003cbr\u003e 5.6 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 6 Apprentissage automatique statistique\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 6.1 k plus proches voisins\u003cbr\u003e 6.2 Modèle arborescent\u003cbr\u003e 6.3 Bagging et forêts aléatoires\u003cbr\u003e Boost 6.4\u003cbr\u003e 6.5 En conclusion\u003cbr\u003e\u003cbr\u003e \u003cb\u003eCHAPITRE 7 Apprentissage non supervisé\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e 7.1 Analyse en composantes principales\u003cbr\u003e 7.2 Clustering k-means\u003cbr\u003e 7.3 Classification hiérarchique\u003cbr\u003e 7.4 Clustering basé sur un modèle\u003cbr\u003e 7.5 Échelle et variables catégorielles\u003cbr\u003e 7.6 En conclusion\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eImage détaillée\u003c\/b\u003e \u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cdiv\u003e\u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate3429\/MidCate010\/342892591.jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eAvis de l'éditeur\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003e50 concepts fondamentaux de l'analyse de données à l'apprentissage automatique\u003cbr\u003e Apprenez uniquement ce dont vous avez besoin en exécutant du code Python et R !\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e De nombreux data scientists se heurtent à des limitations car ils ne comprennent pas les concepts statistiques. \u003cbr\u003eMême si le problème est légèrement complexe, il est fréquent d'être confus et de ne pas savoir par où commencer ni comment le résoudre, ou d'être gêné et de ne pas comprendre les résultats obtenus.\u003cbr\u003e Ce livre s'adresse aux data scientists et aux développeurs en intelligence artificielle qui travaillent et qui ont soif de connaissances statistiques.\u003cbr\u003e Les objectifs sont doubles :\u003cbr\u003e Tout d'abord, il présente les concepts fondamentaux des statistiques liés à la science des données d'une manière facile à comprendre et à suivre.\u003cbr\u003e Deuxièmement, d'un point de vue scientifique, cela nous aide à distinguer les concepts véritablement importants et utiles de ceux qui le sont moins.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e Il aborde des sujets largement utilisés dans les domaines actuels de l'analyse de données et de l'apprentissage automatique, tels que l'analyse exploratoire des données (EDA), la distribution d'échantillonnage, les tests de signification, l'analyse de régression, la classification, l'apprentissage automatique statistique et l'apprentissage non supervisé, et il met en évidence et organise une cinquantaine de concepts que les data scientists doivent connaître. \u003cbr\u003eParmi les concepts considérés comme importants en statistiques classiques, tels que les degrés de liberté, les valeurs p et les coefficients de corrélation, les data scientists travaillant avec le big data n'ont pas besoin de connaître les détails en profondeur ; nous fournissons donc des conseils en conséquence.\u003cbr\u003e Pour faciliter l'apprentissage, nous avons organisé un « Glossaire des termes » et un « Concepts clés » pour chaque section principale, et dans les cas où le même terme est utilisé différemment en statistiques, en science des données et en informatique, nous avons répertorié les différences.\u003cbr\u003e\u003cbr\u003e La principale nouveauté de cette deuxième édition est le code Python fourni.\u003cbr\u003e Un nouvel auteur possédant plus de 30 ans d'expérience dans le calcul scientifique et la science des données a été recruté pour contribuer au code Python.\u003cbr\u003e Même si vous ne connaissez que Python ou R, vous pouvez comprendre le contenu du livre et exécuter le code.\u003cbr\u003e Si vous savez maîtriser les deux, il sera intéressant de comparer les différences d'implémentation entre les deux langages.\u003cbr\u003e \u003cbr\u003eSi vous trouvez les ouvrages de statistiques destinés au grand public trop simplistes et les manuels de statistiques spécialisés trop difficiles à appréhender, j'espère que vous utiliserez ce livre comme un tremplin pour développer vos connaissances et vos compétences en matière de raisonnement statistique.\u003cbr\u003e Quiconque parviendra à terminer ce livre deviendra un data scientist compétent, capable d'appliquer efficacement les théories nécessaires aux endroits appropriés.\u003cbr\u003e\u003cbr\u003e \u003cb\u003eContenu principal\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e - Commencer par l'analyse exploratoire des données, pierre angulaire de la science des données.\u003cbr\u003e -Comment réduire les biais et obtenir un ensemble de données de haute qualité grâce à un échantillonnage aléatoire\u003cbr\u003e - Comment appliquer les principes de la conception expérimentale pour tirer des conclusions valides et trouver des réponses claires.\u003cbr\u003e -Comment estimer les résultats et détecter les anomalies à l'aide de l'analyse de régression\u003cbr\u003e -Principales techniques de classification pour la prédiction et la recherche de catégories\u003cbr\u003e - Techniques d'apprentissage automatique statistique qui apprennent à partir des données\u003cbr\u003e - Une technique d'apprentissage non supervisé qui extrait du sens à partir de données non étiquetées. \u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e SPÉCIFICATIONS DES PRODUITS \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eDate de publication :\u003c\/strong\u003e 7 mai 2021\u003c\/div\u003e\n\n \u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003eNombre de pages, poids, dimensions :\u003c\/strong\u003e 380 pages | 183 × 235 × 30 mm\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN13 :\u003c\/strong\u003e 9791162244180\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN10 :\u003c\/strong\u003e 1162244186 \u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cspan\u003e\u003c\/span\u003e\n\n\u003c\/center\u003e\n\n\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43892531003434,"sku":"110731","price":56.96,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/a9a902a24a2343ea28f01cb15f3d01f9.jpg?v=1765380482","url":"https:\/\/librairie.coreenne.fr\/products\/110731","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}