000			03427cam a2200277 4500
090			_a168389 _9168388
001			FRBNF454733730000006
010			_a9782710811817 _bbr. _d45 EUR - 713 DH
020			_b01841836
073		0	_a9782710811817
100			_a20180327d2018 m y0frey50 ba
101	0		_afre
105			_a||||z 00|y|
106			_ar
200	1		_aData science par analyse des données symboliques _bLIVR _eune nouvelle façon d'analyser les données classiques, complexes et massives à partir des classes _eapplications avec Syr et R _fFilipe Afonso, Edwin Diday, Carole Toque
210			_e63-Clermont-Ferrand _gImpr. la Source d'or _aparis _céditions TECHNIP _dDL 2018 _dcop. 2018 _dimpr. 2018
215			_a1 volume de VIII-435 pages _cillustré en noir, couverture illustrée en couleur _d24 cm
300			_aBibliographie pages 419-435
330			_aLa numérisation croissante de notre société alimente des bases de données de taille grandissante (Big Data). Ces données sont souvent complexes (hétérogènes et multi-tables) et peuvent être la source de création de valeur considérable à condition qu’elles soient exploitées avec des méthodes d’analyse adéquates. Un « Data Scientist » a justement pour objectif d’extraire des connaissances de ce type de données et c’est l’objectif de cet ouvrage. Les classes constituent un pivot central de la découverTe de connaissances. En Analyse des Données Symboliques (ADS), les classes sont décrites par des variables dites symboliques prenant en compte leur variabilité interne sous forme de distributions, d’intervalles, d’histogrammes, de diagrammes de fréquences, etc. Le livre débute par la construction de différents types de variables symboliques à partir de classes données. Des statistiques descriptives, une méthode de discrétisation automatique adaptée aux données massives (Big Data) suivies par des indices de proximité étendus aux données symboliques y sont présentés. Vient ensuite un ensemble de méthodes présenté dans le contexte de l’ADS. Il s’agit de la méthode des nuées dynamiques (MND), de la décomposition de mélange par partition (issue de la MND) ou par partition floue (EM), de l’analyse en composantes principales, de l’algorithme Apriori, des règles d’association et des arbres de décision. Pour la prévision, le livre présente des méthodes de régressions dont celles pénalisées « ridge », « lasso » et « elastic », et des séries temporelles. Pour la mise en application de ces premières méthodes, des exercices et des applications concrètes réalisées auprès d’administrations, d’industriels, de financiers et de scientifiques sont proposés. Leur mise en œuvre s’appuie aussi bien sur le logiciel innovant Syr que sur le logiciel statistique R. Cet ouvrage d’introduction à l’ADS s’adresse aux étudiants, aux ingénieurs, aux universitaires, ainsi qu’à tous ceux qui désirent comprendre cette nouvelle façon de penser en Science des Données.
606			_313739982 _aAnalyse des données symboliques _2rameau _97303
676			_a006.312 _v23
686			_2Cadre de classement de la Bibliographie nationale française
700			_317744628 _aAfonso _bFilipe _f1979-.... _4070 _97304
701			_311900130 _aDiday _bEdwin _4070 _97305
701			_314141569 _aToque _bCarole _4070 _97306
801		0	_aFR _bFR-751131015 _c20180327 _gAFNOR _2intermrc