| Titre : |
Pratique de la data science avec R - Arranger, visualiser, analyser et présenter des données |
| Type de document : |
document électronique |
| Auteurs : |
Christian Paroissin, Auteur |
| Editeur : |
Pari : ellipses |
| ISBN/ISSN/EAN : |
978-2-340-04758-7 |
| Langues : |
Français (fre) |
| Index. décimale : |
515 |
| Résumé : |
Le scientifique des données doit maîtriser plusieurs outils informatiq
ues permettant de mettre en oeuvre une méthodologie statistique. Dans
sa catégorie, le langage R est un langage de programmation qui peut to
ut à fait être un outil pertinent pour l'analyse statistique de donnée
s, à côté d'autres langages de programmation ou d'autres logiciels. Ce
t ouvrage s'adresse tant à des étudiants de master en statistique et/o
u master big data qui font leurs premiers pas en data science, qu'à de
s ingénieurs qui souhaitent approfondir leurs connaissances et mettre
en oeuvre leurs compétences à l'aide de R, en reprenant les différente
s étapes du cycle de vie d'un projet basé sur l'analyse statistique de
données : la préparation des données, la transformation des données,
la visualisation des données, l'analyse des données et enfin, l'étape
ultime, la diffusion des résultats de l'analyse. |
Pratique de la data science avec R - Arranger, visualiser, analyser et présenter des données [document électronique] / Christian Paroissin, Auteur . - Pari : ellipses, [s.d.]. ISBN : 978-2-340-04758-7 Langues : Français ( fre)
| Index. décimale : |
515 |
| Résumé : |
Le scientifique des données doit maîtriser plusieurs outils informatiq
ues permettant de mettre en oeuvre une méthodologie statistique. Dans
sa catégorie, le langage R est un langage de programmation qui peut to
ut à fait être un outil pertinent pour l'analyse statistique de donnée
s, à côté d'autres langages de programmation ou d'autres logiciels. Ce
t ouvrage s'adresse tant à des étudiants de master en statistique et/o
u master big data qui font leurs premiers pas en data science, qu'à de
s ingénieurs qui souhaitent approfondir leurs connaissances et mettre
en oeuvre leurs compétences à l'aide de R, en reprenant les différente
s étapes du cycle de vie d'un projet basé sur l'analyse statistique de
données : la préparation des données, la transformation des données,
la visualisation des données, l'analyse des données et enfin, l'étape
ultime, la diffusion des résultats de l'analyse. |
|  |
Pratique de la data science avec R - Arranger, visualiser, analyser et présenter des données