{"product_id":"110912","title":"science des données ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jYEhpzBiEyeMPxvRfxlqSfVt0gIQL.png?v=1765044142\" 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 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\/89379120\/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\"\u003eDescription \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\u003eUn livre d'introduction qui couvre les concepts de base de la science des données !\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Ce livre est un guide de base qui enseigne les algorithmes liés à la science des données en les créant « à partir de zéro », sans utiliser d'outils tels que des bibliothèques ou des frameworks.\u003cbr\u003e Axé sur les principes fondamentaux essentiels à l'apprentissage de la science des données, cet ouvrage couvre les techniques clés de cette discipline, en mêlant mathématiques et statistiques fondamentales.\u003cbr\u003e Dans cette deuxième édition, tout le code et les exemples ont été mis à jour pour Python 3.6 et utilisent de nouvelles fonctionnalités telles que les annotations de type.\u003cbr\u003e Des sujets que les data scientists d'aujourd'hui doivent maîtriser, tels que l'apprentissage profond, les statistiques et le traitement automatique du langage naturel, ont également été ajoutés.\u003cbr\u003e Si vous êtes programmeur et que vous souhaitez apprendre les techniques de piratage, les mathématiques et les théories statistiques nécessaires à l'analyse des données, je vous recommande vivement ce livre : c'est un outil puissant qui vous enseignera les fondamentaux.\u003cbr\u003e\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 Chapitre 1 Introduction\u003cbr\u003e 1.1 L'avènement de l'ère des données\u003cbr\u003e 1.2 Qu'est-ce que la science des données ?\u003cbr\u003e 1.3 L'imagination comme source de motivation : Datum Corporation\u003cbr\u003e 1.3.1 Identification des indicateurs clés\u003cbr\u003e 1.3.2 Recommandation de data scientists\u003cbr\u003e 1.3.3 Salaire et expérience\u003cbr\u003e 1.3.4 Comptes payants\u003cbr\u003e 1.3.5 Sujets d'intérêt\u003cbr\u003e 1.3.6 Commençons\u003cbr\u003e\u003cbr\u003e Chapitre 2 : Cours sur les attributs Python\u003cbr\u003e 2.1 Établir les bases\u003cbr\u003e 2.2 Installation de Python\u003cbr\u003e 2.3 Environnement virtuel\u003cbr\u003e 2.4 Indentation\u003cbr\u003e Module 2.5\u003cbr\u003e 2.6 Fonction\u003cbr\u003e 2.7 Cordes\u003cbr\u003e 2.8 Gestion des exceptions\u003cbr\u003e Liste 2.9\u003cbr\u003e 2.10 Tuples\u003cbr\u003e 2.11 Dictionnaire\u003cbr\u003e 2.11.1 defaultdict\u003cbr\u003e 2.12 Compteur\u003cbr\u003e Ensemble 2.13\u003cbr\u003e 2.14 Contrôle du débit\u003cbr\u003e 2.15 Vrai ou faux\u003cbr\u003e 2.16 Tri\u003cbr\u003e 2.17 Compréhension de listes\u003cbr\u003e 2.18 Tests automatisés et assertions\u003cbr\u003e 2.19 Programmation orientée objet\u003cbr\u003e 2.20 Itérateurs et générateurs\u003cbr\u003e 2.21 Génération de nombres aléatoires\u003cbr\u003e 2.22 Expressions régulières\u003cbr\u003e 2.23 Outils fonctionnels\u003cbr\u003e Décompression des fichiers zip et des arguments 2.24\u003cbr\u003e 2,25 arguments et arguments nommés\u003cbr\u003e 2.26 Annotations de type\u003cbr\u003e 2.26.1 Comment annoter les types\u003cbr\u003e Bienvenue dans le système de données 2.27 !  \u003cbr\u003e2.28 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 3 Visualisation des données\u003cbr\u003e 3.1 matplotlib\u003cbr\u003e 3.2 Graphique à barres\u003cbr\u003e 3.3 Graphique linéaire\u003cbr\u003e 3.4 Diagramme de dispersion\u003cbr\u003e 3.5 Si vous souhaitez étudier davantage\u003cbr\u003e\u003cbr\u003e Chapitre 4 Algèbre linéaire\u003cbr\u003e 4.1 Vecteurs\u003cbr\u003e 4.2 Matrice\u003cbr\u003e 4.3 Si vous souhaitez approfondir vos connaissances\u003cbr\u003e\u003cbr\u003e Chapitre 5 Statistiques\u003cbr\u003e 5.1 Description de l'ensemble de données\u003cbr\u003e 5.1.1 Tendance centrale\u003cbr\u003e 5.1.2 Diagramme de dispersion\u003cbr\u003e 5.2 Corrélation\u003cbr\u003e 5.3 Le paradoxe de Simpson\u003cbr\u003e 5.4 Mises en garde supplémentaires concernant la corrélation\u003cbr\u003e 5.5 Corrélation et causalité\u003cbr\u003e 5.6 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 6 Probabilités\u003cbr\u003e 6.1 Dépendance et indépendance\u003cbr\u003e 6.2 Probabilité conditionnelle\u003cbr\u003e 6.3 Théorème de Bayes\u003cbr\u003e 6.4 Variables aléatoires\u003cbr\u003e 6.5 Distribution continue\u003cbr\u003e 6.6 Distribution normale\u003cbr\u003e 6.7 Théorème central limite\u003cbr\u003e 6.8 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 7 : Hypothèses et inférences\u003cbr\u003e 7.1 Tests d'hypothèses statistiques\u003cbr\u003e 7.2 Exemple : Lancer de pièce\u003cbr\u003e 7,3 valeur p\u003cbr\u003e 7.4 Intervalles de confiance\u003cbr\u003e 7.5 p hack\u003cbr\u003e 7.6 Exemple : Réaliser un test A\/B\u003cbr\u003e 7.7 Inférence bayésienne\u003cbr\u003e 7.8 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 8 Descente de gradient\u003cbr\u003e 8.1 La signification cachée de la descente de gradient\u003cbr\u003e 8.2 Calcul du gradient\u003cbr\u003e 8.3 Application d'un dégradé  \u003cbr\u003e8.4 Détermination de la distance de déplacement appropriée\u003cbr\u003e 8.5 Entraînement d'un modèle par descente de gradient\u003cbr\u003e 8.6 Mini-lots et descente de gradient stochastique (SGD)\u003cbr\u003e 8.7 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 9 : Collecte de données avec Python\u003cbr\u003e 9.1 Entrée standard et sortie standard\u003cbr\u003e 9.2 Lecture des fichiers\u003cbr\u003e 9.2.1 Notions de base sur les fichiers texte\u003cbr\u003e 9.2.2 Fichiers avec délimiteurs\u003cbr\u003e 9.3 Extraction de données Web\u003cbr\u003e 9.3.1 HTML et analyse syntaxique\u003cbr\u003e 9.3.2 Exemple : Surveillance du Congrès\u003cbr\u003e 9.4 Utilisation de l'API\u003cbr\u003e 9.4.1 JSON et XML\u003cbr\u003e 9.4.2 Utilisation d'API ne nécessitant pas d'authentification\u003cbr\u003e 9.4.3 Recherche d'API\u003cbr\u003e 9.5 Exemple : Utilisation de l'API Twitter\u003cbr\u003e 9.5.1 Obtention de la certification\u003cbr\u003e 9.6 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 10 : Traitement des données\u003cbr\u003e 10.1 Exploration des données\u003cbr\u003e 10.1.1 Exploration des données unidimensionnelles\u003cbr\u003e 10.1.2 Données bidimensionnelles\u003cbr\u003e 10.1.3 Données multidimensionnelles\u003cbr\u003e 10.2 Utilisation de namedtuple\u003cbr\u003e 10.3 Classes de données\u003cbr\u003e 10.4 Affiner et fusionner\u003cbr\u003e 10.5 Traitement des données\u003cbr\u003e 10.6 Réglage de l'échelle\u003cbr\u003e 10.7 D'une part : tqdm\u003cbr\u003e 10.8 Réduction dimensionnelle\u003cbr\u003e 10.9 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 11 : Apprentissage automatique\u003cbr\u003e 11.1 Modélisation\u003cbr\u003e 11.2 Qu'est-ce que l'apprentissage automatique ?\u003cbr\u003e 11.3 Sur-ajustement et sous-ajustement  \u003cbr\u003e11.4 Précision\u003cbr\u003e 11.5 Compromis biais-variance\u003cbr\u003e 11.6 Extraction et sélection des caractéristiques\u003cbr\u003e 11.7 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 12 k-NN\u003cbr\u003e Modèle 12.1\u003cbr\u003e 12.2 Exemple : Données Iris\u003cbr\u003e Malédiction 12.3 dimensionnel\u003cbr\u003e 12.4 Si vous souhaitez approfondir vos connaissances\u003cbr\u003e\u003cbr\u003e Chapitre 13 Bayes naïf\u003cbr\u003e 13.1 Filtre anti-spam stupide\u003cbr\u003e 13.2 Un filtre anti-spam légèrement plus intelligent\u003cbr\u003e 13.3 Mise en œuvre\u003cbr\u003e 13.4 Validation du modèle\u003cbr\u003e Utilisation du modèle 13,5\u003cbr\u003e 13.6 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 14 Analyse de régression simple\u003cbr\u003e Modèle 14.1\u003cbr\u003e 14.2 Utilisation de la descente de gradient\u003cbr\u003e 14.3 Estimation du maximum de vraisemblance\u003cbr\u003e 14.4 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 15 Analyse de régression multiple\u003cbr\u003e Modèle 15.1\u003cbr\u003e 15.2 Quelques hypothèses supplémentaires concernant la méthode des moindres carrés\u003cbr\u003e 15.3 Entraînement du modèle\u003cbr\u003e 15.4 Interprétation du modèle\u003cbr\u003e 15,5 Qualité de l'ajustement\u003cbr\u003e 15.6 À part : Bootstrap\u003cbr\u003e 15,7 Erreur type du coefficient\u003cbr\u003e 15.8 Régularisation\u003cbr\u003e 15.9 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 16 : Analyse de régression logistique\u003cbr\u003e Problème 16.1\u003cbr\u003e 16.2 Fonction logistique\u003cbr\u003e 16.3 Application du modèle\u003cbr\u003e 16.4 Compatibilité\u003cbr\u003e 16.5 Machines à vecteurs de support  \u003cbr\u003e16.6 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 17 Arbres de décision\u003cbr\u003e 17.1 Qu'est-ce qu'un arbre de décision ?\u003cbr\u003e 17.2 Entropie\u003cbr\u003e 17.3 Entropie d'une partition\u003cbr\u003e 17.4 Création d'un arbre de décision\u003cbr\u003e 17.5 Résumé\u003cbr\u003e 17.6 Forêt aléatoire\u003cbr\u003e 17.7 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 18 Réseaux de neurones\u003cbr\u003e 18.1 Perceptron\u003cbr\u003e 18.2 Réseaux neuronaux à propagation directe\u003cbr\u003e 18.3 Rétropropagation\u003cbr\u003e 18.4 Exemple : Fizz Buzz\u003cbr\u003e 18.5 Si vous souhaitez étudier davantage\u003cbr\u003e\u003cbr\u003e Chapitre 19 Apprentissage profond\u003cbr\u003e 19.1 Tenseurs\u003cbr\u003e 19.2 Abstraction du plancher\u003cbr\u003e 19.3 Couche linéaire\u003cbr\u003e 19.4 Réseaux neuronaux composés de couches séquentielles\u003cbr\u003e 19.5 Fonctions de perte et optimisation\u003cbr\u003e 19.6 Exemple : Résolution du problème XOR\u003cbr\u003e 19.7 Autres fonctions d'activation\u003cbr\u003e 19.8 Exemple : Résolution de FizzBuzz\u003cbr\u003e 19.9 Softmax et entropie croisée\u003cbr\u003e 19.10 Abandon\u003cbr\u003e 19.11 Exemple : MNIST\u003cbr\u003e 19.12 Modèles d'enregistrement et de chargement\u003cbr\u003e 19.13 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 20 : Clustering\u003cbr\u003e 20.1 Se familiariser avec le clustering\u003cbr\u003e Modèle 20.2\u003cbr\u003e 20.3 Exemple : Réunion hors ligne\u003cbr\u003e Sélectionnez la valeur 20,4 k\u003cbr\u003e 20.5 Exemple : Regroupement par couleur\u003cbr\u003e 20.6 Classification hiérarchique ascendante\u003cbr\u003e 20.7 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 21 : Traitement automatique du langage naturel  \u003cbr\u003e21.1 Nuage de mots\u003cbr\u003e 21.2 Modèle de langage n-grammes\u003cbr\u003e 21.3 Règles de grammaire\u003cbr\u003e 21.4 À part : Échantillonnage Gibbs\u003cbr\u003e 21.5 Modélisation thématique\u003cbr\u003e 21.6 Vecteurs de mots\u003cbr\u003e 21.7 Réseaux neuronaux récursifs\u003cbr\u003e 21.8 Exemple : Utilisation d’un RNN au niveau des caractères\u003cbr\u003e 21.9 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 22 Analyse de réseau\u003cbr\u003e 22.1 Centralité d'intermédiarité\u003cbr\u003e 22.2 Centralité de vecteur propre\u003cbr\u003e 22.2.1 Multiplication matricielle\u003cbr\u003e 22.2.2 Centralité\u003cbr\u003e 22.3 Graphes orientés et PageRank\u003cbr\u003e 22.4 Si vous souhaitez approfondir vos connaissances\u003cbr\u003e\u003cbr\u003e Chapitre 23 Système de recommandation\u003cbr\u003e 23.1 Recommandations du manuel\u003cbr\u003e 23.2 Recommandations basées sur la popularité\u003cbr\u003e 23.3 Filtrage collaboratif basé sur l'utilisateur\u003cbr\u003e 23.4 Filtrage collaboratif basé sur les produits\u003cbr\u003e 23.5 Décomposition matricielle\u003cbr\u003e 23.6 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 24 : Bases de données et SQL\u003cbr\u003e 24.1 CRÉER UNE TABLE et INSÉRER\u003cbr\u003e MISE À JOUR 24.2\u003cbr\u003e 24.3 SUPPRIMER\u003cbr\u003e 24.4 SÉLECTIONNER\u003cbr\u003e 24,5 GROUPER PAR\u003cbr\u003e 24.6 COMMANDER PAR\u003cbr\u003e 24.7 REJOIGNEZ-NOUS\u003cbr\u003e 24.8 Sous-requêtes\u003cbr\u003e 24,9 indice\u003cbr\u003e 24.10 Optimisation des requêtes\u003cbr\u003e 24.11 NoSQL\u003cbr\u003e 24.12 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 25 : MapReduce\u003cbr\u003e 25.1 Exemple : Mots à compter\u003cbr\u003e 25.2 Pourquoi MapReduce ?\u003cbr\u003e 25.3 Généralisation de MapReduce  \u003cbr\u003e25.4 Exemple : Analyse des publications des utilisateurs\u003cbr\u003e 25.5 Exemple : Multiplication matricielle\u003cbr\u003e 25.6 À part : Combinateur\u003cbr\u003e 25.7 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 26 : Éthique des données\u003cbr\u003e 26.1 Qu’est-ce que l’éthique des données ?\u003cbr\u003e 26.2 Non, sérieusement, qu'est-ce que l'éthique des données ?\u003cbr\u003e 26.3 Dois-je me préoccuper de l'éthique des données ?\u003cbr\u003e 26.4 Création de produits de données de mauvaise qualité\u003cbr\u003e 26.5 Maintenir un équilibre entre exactitude et équité\u003cbr\u003e 26.6 Coopération\u003cbr\u003e 26.7 Interprétabilité\u003cbr\u003e 26,8 Recommandé\u003cbr\u003e 26.9 Données biaisées\u003cbr\u003e 26.10 Protection des données\u003cbr\u003e Résumé du 26.11\u003cbr\u003e 26.12 Si vous souhaitez en savoir plus\u003cbr\u003e\u003cbr\u003e Chapitre 27 : Premiers pas en science des données\u003cbr\u003e 27.1 IPython\u003cbr\u003e 27.2 Mathématiques\u003cbr\u003e 27.3 Comment éviter de repartir de zéro\u003cbr\u003e 27.3.1 NumPy\u003cbr\u003e 27.3.2 pandas\u003cbr\u003e 27.3.3 scikit-learn\u003cbr\u003e 27.3.4 Visualisation\u003cbr\u003e 27.3.5 R\u003cbr\u003e 27.3.6 Apprentissage profond\u003cbr\u003e 27.4 Recherche de données\u003cbr\u003e 27.5 Pratiquer la science des données\u003cbr\u003e 27.5.1 Actualités des hackers\u003cbr\u003e 27.5.2 Camion de pompiers\u003cbr\u003e T-shirt 27.5.3\u003cbr\u003e 27.5.4 Tweets sur le Globe\u003cbr\u003e 27.5.5 Et vous ?\u003cbr\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\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 〉〉 Public cible de ce livre \u003cbr\u003eㆍSpécialisations qui permettent de faire d'une pierre deux coups : connaissances de base en science des données et compétences en programmation.\u003cbr\u003e Les data scientists qui souhaitent explorer les algorithmes de science des données intégrant des théories mathématiques et statistiques.\u003cbr\u003e Les programmeurs qui souhaitent apprendre les théories mathématiques et statistiques nécessaires à l'analyse des données\u003cbr\u003e\u003cbr\u003e 〉〉 Ce que ce livre aborde\u003cbr\u003e • Apprenez les principes fondamentaux de l'algèbre linéaire, des statistiques et des probabilités, et comment les appliquer en science des données.\u003cbr\u003e Collecter, explorer, affiner, traiter et manipuler des données\u003cbr\u003e Explorer les principes de l'apprentissage automatique\u003cbr\u003e Mise en œuvre des algorithmes des k plus proches voisins, de Bayes naïf, de régression linéaire, de régression logistique, d'arbres de décision, de réseaux de neurones artificiels, de clustering, etc.\u003cbr\u003e Explorez les systèmes de recommandation, le traitement du langage naturel, l'analyse de réseaux, MapReduce, les bases de données et bien plus encore.\u003cbr\u003e Apprendre Python avec les attributs\u003cbr\u003e\n\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 12 mars 2020\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 448 pages | 880 g | 188 × 240 × 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 9788966262571\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 8966262570 \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":43892885717034,"sku":"110912","price":55.96,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/b3403de7847c5bb67d2972f3be3e2a29.jpg?v=1765381698","url":"https:\/\/librairie.coreenne.fr\/products\/110912","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}