Le langage R au quotidien : traitement et analyse de données volumineuses

Le langage R au quotidien : traitement et analyse de données volumineuses

Enregistré dans:

Détails bibliographiques
Auteur principal:	Decourt, Olivier. (Auteur)
Support:	E-Book
Langue:	Français
Publié:	Malakoff : Dunod, 2018.
Sujets:	Statistique mathématique > Informatique. Statistique > Logiciels. Données massives.
Autres localisations:	Voir dans le Sudoc
Accès en ligne:	Accès à l'E-book

Documents similaires

Big data analytics
par: Rao, Calyampudi Radhakrishna (1920-2023).
Publié: (2015)

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

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

Big data analytics : a handy reference guide for data analysts and data scientists to help to obtain value from big data analytics using Spark on Hadoop clusters.
par: Ankam, Venkat.
Publié: (2016)

Real-time big data analytics : design, process, and analyze large sets of complex data in real time
par: Gupta, Sumit.
Publié: (2016)

Cours et exercices corrigés de statistiques inférentielles
par: Marchal, Olivier (1982-....; mathématicien).

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

Exercices corrigés de géostatistique
par: Fouquet, Chantal de.

Big data : un changement de paradigme peut en cacher un autre : opportunités et menaces liées à l'émergence de nouveaux écosystèmes : rapport de l'Académie des technologies de la Commission TIC
Publié: (2016)

Mini manuel de probabilités et statistique : cours + QCM
par: Couty-Fredon, Françoise (1952-2023).

Mathématiques L1L2 : statistique et probabilités en 30 fiches
par: Fredon, Daniel (1944-....; enseignant-chercheur en mathématiques).
Publié: (2009)

Statistique et probabilités
par: Lecoutre, Jean-Pierre (1948-....).

Data feminism
par: D'Ignazio, Catherine (1975-....).
Publié: (2020)

Méthodes statistiques pour l'analyse des données en physique des particules : analyse de données statistique et méthodes probabilistes
par: Gelé, Denis (1966-2019).

Statistics for big data for dummies.
Publié: (2015)

Knowledge discovery in big data from astronomy and Earth observation : astrogeoinformatics
par: Škoda, Petr.
Publié: (2020)

Guide de statistique appliquée
par: Manoukian, Edouard B. (19..-....).
Publié: (1986)

Big data analytics with Java
par: Mehta, Rajat.
Publié: (2017)

La boîte à outils de la stratégie big data
par: Rissoan, Romain.
Publié: (2018)

Hands-on data science and Python machine learning : perform data mining and machine learning efficiently using Python and Spark
par: Kane, Frank.
Publié: (2017)

Julia for data science : explore the world of data science from scratch with Julia by your side
par: Joshi, Anshul.
Publié: (2016)

Introduction to statistical machine learning
par: Sugiyama, Masashi.
Publié: (2015)

Mathématiques du signal et statistiques à l'IUT : cours et travaux dirigés : IUT mesures physiques
par: Gammella-Mathieu, Angela.

Introduction à la modélisation probabiliste et statistique
par: Marie, Nicolas (1986-....; enseignant-chercheur en mathématiques).

Data analysis : what can be learned from the past 50 years
par: Huber, Peter J. (1934-....).
Publié: (2011)

Applied statistics for environmental science with R
par: Alkarkhi, Abbas F.M..
Publié: (2019)

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

Big Data MBA : driving business strategies with data science
par: Schmarzo, Bill.
Publié: (2015)

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

PySpark cookbook : over 60 recipes for implementing big data processing and analytics using Apache Spark and Python
par: Lee, Denny.
Publié: (2018)

Statistique inférentielle : exercices d'application et problèmes corrigés avec rappels de cours
par: Abdesselam, Rafik (19..-....).

Learning Bayesian models with R : become an expert in Bayesian machine learning methods using R and apply them to solve real-world big data problems
par: Koduvely, Hari M..
Publié: (2015)

Les data sciences en 100 questions-réponses
par: Benzaki, Younes.
Publié: (2020)

Introduction à la modélisation d'équations structurelles : AMOS dans la recherche en gestion
par: Zheng, Lili.
Publié: (2019)

Sortez vos données du frigo : une entreprise performante avec la data et l'IA
par: Levy, Mick (19..-....; expert en data et intelligence artificielle).

Big Data revolution : what farmers, doctors and insurance agents teach us about discovering Big Data patterns
par: Thomas, Rob.

Python & Pandas et les 36 problèmes de data science : problèmes et exercices corrigés pas à pas
par: Bro, Frédéric (19..-....).
Publié: (2021)

Statistique et probabilités pour l'ingénieur
par: Veysseyre, Renée (1934-....).
Publié: (2014)

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

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

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