Data science : fondamentaux et études de cas : machine learning avec Python et R

Data science : fondamentaux et études de cas :

Afficher d'autres versions (1)

Enregistré dans:

Détails bibliographiques
Auteur principal:	Biernat, Éric (19..-....). (Auteur)
Autres auteurs:	Lutz, Michel (1981-....). (Auteur), Le Cun, Yann (1960-....). (Préface)
Support:	E-Book
Langue:	Français
Publié:	Paris : Eyrolles, 2015.
Sujets:	R > logiciel. Apprentissage automatique. Python (langage de programmation). Statistique bayésienne. Analyse de régression. Modèles mathématiques.
Autres localisations:	Voir dans le Sudoc
Accès en ligne:	Accès à l'E-book

Documents similaires

Réseaux bayésiens avec R
par: Denis, Jean-Baptiste (19..-....).
Publié: (2014)

R machine learning by example : understand the fundamentals of machine learning with R and build your own dynamic algorithms to tackle complicated real-world problems successfully
par: Bali, Raghav (19..-....).
Publié: (2016)

Data science par la pratique : fondamentaux avec Python
par: Grus, Joel (19..-....).
Publié: (2020)

R and Python for Oceanographers : A Practical Guide with Applications
par: Alyuruk, Hakan.
Publié: (2019)

Practical machine learning in R
par: Nwanganga, Fred (19..-....).

Bayesian Analysis with Python
par: Martin, Osvaldo.
Publié: (2016)

Feature engineering made easy : identify unique features from your dataset in order to build powerful machine learning systems
par: Ozdemir, Sinan.
Publié: (2018)

La formule du savoir : une philosophie unifiée du savoir fondée sur le théorème de Bayes
par: Hoang, Lê Nguyên (1987-....).
Publié: (2018)

Mastering machine learning with R
par: Lesmeister, Cory.
Publié: (2017)

Deep learning with TensorFlow : explore neural networks and build intelligent systems with Python
par: Zaccone, Giancarlo.
Publié: (2018)

La régression non-linéaire : méthodes et applications en biologie
par: Huet, Sylvie (1955-....; mathématicienne).
Publié: (1992)

Machine learning : expert techniques to tackle complex machine learning problems using Python
par: Thanaki, Jalaj.
Publié: (2018)

Python pour le data scientist : des bases du langage au machine learning
par: Jakobowicz, Emmanuel (1980-....).

R deep learning cookbook : solve complex neural net problems with TensorFlow, H2O and MXNet
par: Prakash, PKS..
Publié: (2017)

Machine learning : a bayesian and optimization perspective
par: Theodoridis, Sergios.
Publié: (2015)

Séries temporelles avec R
par: Aragon, Yves (1944-2021).
Publié: (2016)

Analyse factorielle multiple avec R
par: Pagès, Jérôme (1949-....).
Publié: (2013)

Growth curve modeling : theory and applications
par: Panik, Michael J..
Publié: (2013)

A guide to modern econometrics
par: Verbeek, Marno.

Pratique de la data science avec R : arranger, visualiser, analyser et présenter des données
par: Paroissin, Christian (1976-....).
Publié: (2021)

R pour les scientifiques : mise en oeuvre de projets et valorisation des résultats
par: Rebaudo, François (1982-....).
Publié: (2021)

Statistiques appliquées avec introduction au logiciel R
par: Marchal, Olivier (1982-....; mathématicien).

Statistical analysis with R for dummies
par: Schmuller, Joseph (1947-....).

Causes, probabilités, inférences
par: Drouet, Isabelle (1981-....; enseignante-chercheuse en philosophie des sciences).
Publié: (2017)

Calcul parallèle avec R
par: Miele, Vincent (19..-....).
Publié: (2016)

Modélisation mathématique en écologie : cours et exercices corrigés
par: Auger, Pierre (1953-....; biologiste).
Publié: (2015)

Statistics, Data Mining, and Machine Learning in Astronomy : A Practical Python Guide for the Analysis of Survey Data
par: Ivezic, Zeljko (1965-....).
Publié: (2019)

Graph Machine Learning : Take graph data to the next level by applying machine learning techniques and algorithms
par: Stamile, Claudio (19..-....; chercheur en informatique).
Publié: (2021)

Machine learning for time series forecasting with Python
par: Lazzeri, Francesca (19..-....).

Introduction au machine learning
par: Azencott, Chloé-Agathe (19..-....).
Publié: (2022)

R pour les data sciences : importer, classer, transformer, visualiser et modéliser les données
par: Grolemund, Garrett (19..-....).
Publié: (2018)

Optimization for machine learning
par: Sra, Suvrit (1976-....).
Publié: (2011)

Machine Learning Algorithms : Reference guide for popular algorithms for data science and machine learning
par: Bonaccorso, Bonaccorso.
Publié: (2017)

Adversial robustness for machine learning
par: Chen, Pin-Yu (19..-).

Big data et machine learning : les concepts et les outils de la data science
par: Lemberger, Pirmin.
Publié: (2019)

Gaussian Processes for Machine Learning
par: Rasmussen, Carl Edward (1969-....).
Publié: (2005)

Python machine learning
par: Lee, Wei-Meng (19..-....).

Building Machine Learning Systems with Python : master the art of machine learning with Python and build effective machine learning systems with this intensive hands-on guide
par: Richert, Willi.
Publié: (2013)

Apprentissage machine, clé de l'intelligence artificielle : une introduction pour non-spécialistes
par: Gilleron, Rémi.

Modeling food processing operations
par: Bakalis, Serafim.
Publié: (2015)

Université catholique de l'Ouest - Bibliothèques - 3 place André Leroy - BP10808 - 49008 ANGERS Cedex 1