Pratique de la data science avec R. Arranger, visualiser, analyser et présenter des données
Par :Formats :
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay entre le 1 juillet et le 9 juilletCet article doit être commandé chez un fournisseur. Votre colis vous sera expédié 8 à 17 jours après la date de votre commande.
- Retrait Click and Collect en magasin gratuit
- Livraison à domicile ou en point Mondial Relay entre le 1 juillet et le 9 juillet
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages282
- PrésentationBroché
- FormatGrand Format
- Poids0.538 kg
- Dimensions19,0 cm × 24,0 cm × 1,6 cm
- ISBN978-2-340-04758-7
- EAN9782340047587
- Date de parution08/06/2021
- CollectionRéférences sciences
- ÉditeurEllipses
Résumé
Le scientifique des données doit maîtriser plusieurs outils informatiques permettant de mettre en oeuvre une méthodologie statistique. Dans sa catégorie, le langage R est un langage de programmation qui peut tout à fait être un outil pertinent pour l'analyse statistique de données, à côté d'autres langages de programmation ou d'autres logiciels. Cet ouvrage s'adresse tant à des étudiants de master en statistique et/ou master big data qui font leurs premiers pas en data science, qu'à des ingénieurs qui souhaitent approfondir leurs connaissances et mettre en oeuvre leurs compétences à l'aide de R, en reprenant les différentes 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.
Le scientifique des données doit maîtriser plusieurs outils informatiques permettant de mettre en oeuvre une méthodologie statistique. Dans sa catégorie, le langage R est un langage de programmation qui peut tout à fait être un outil pertinent pour l'analyse statistique de données, à côté d'autres langages de programmation ou d'autres logiciels. Cet ouvrage s'adresse tant à des étudiants de master en statistique et/ou master big data qui font leurs premiers pas en data science, qu'à des ingénieurs qui souhaitent approfondir leurs connaissances et mettre en oeuvre leurs compétences à l'aide de R, en reprenant les différentes 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.