Ebooks Gratuits

Data science par la pratique

Auteure: Joel Grus

Nombre de pages: 408

Un ouvrage de référence pour les (futurs) data scientists Les bibliothèques, les frameworks, les modules et les boîtes à outils sont parfaits pour faire de la data science. Ils sont aussi un bon moyen de plonger dans cette discipline sans la comprendre. Dans cet ouvrage, vous apprendrez comment fonctionnent les outils et algorithmes les plus fondamentaux de la data science, en les réalisant à partir de zéro. Si vous êtes fort en maths et que vous connaissez la programmation, l'auteur, Joel Grus, vous aidera à vous familiariser avec les maths et les statistiques qui sont au coeur de la data science et avec les compétences informatiques indispensables pour démarrer comme data scientist. La profusion des données d'aujourd'hui contient les réponses aux questions que personne n'a encore pensé à poser. Ce livre vous enseigne comment obtenir ces réponses. La deuxième édition, revue et augmentée, de cet ouvrage comporte des codes et exemples associés entièrement réécrits en Python 3.6 et intègre de nouveaux chapitres sur l'apprentissage profond (deep learning), les statistiques et le traitement en langage naturel. Suivez un cours accéléré de Python. Apprenez...

Python pour la Data Science

Auteure: Amandine Velt

Nombre de pages: 388

Data Science par la pratique

Auteure: Joël Grus

Nombre de pages: 385

Un ouvrage de référence pour les (futurs) data scientists. Les bibliothèques, les frameworks, les modules et les boîtes à outils sont parfaits pour faire de la data science. Ils sont aussi un bon moyen de plonger dans la discipline sans comprendre la data science. Dans cet ouvrage, vous apprendrez comment fonctionnent les outils et algorithmes les plus fondamentaux de la data science, en les réalisant à partir de zéro. Si vous êtes fort en maths et que vous connaissez la programmation, l'auteur, Joel Grus, vous aidera à vous familiariser avec les maths et les statistiques qui sont au coeur de la data science et à acquérir les compétences informatiques indispensables pour démarrer comme data scientist. La profusion des données d'aujourd'hui contient les réponses aux questions que personne n'a encore pensé à poser. Ce livre vous enseigne comment obtenir ces réponses. Suivez un cours accéléré de Python. Apprenez les fondamentaux de l'algèbre linéaire, des statistiques et des probabilités, et comprenez comment et quand les utiliser en data science. Collectez, explorez, nettoyez, bricolez et manipulez les données. Plongez dans les bases de l'apprentissage...

Les data sciences en 100 questions/réponses

Auteure: Younes Benzaki

Nombre de pages: 126

Un livre à la fois théorique et pratique Cet ouvrage a pour ambition de couvrir un large spectre du domaine des data sciences. Il va plus loin qu'un simple tour sur les algorithmes d'apprentissage automatique et s'attaque aux autres aspects, malheureusement négligés mais fondamentaux pour tout data scientist : concepts généraux mais poussés, dont la maîtrise est indispensable ; algorithmes d'apprentissage automatique les plus connus ; aspects liés à l'exploration des données ; mesures de performances et d'autres métriques utilisées par les algorithmes ; différents concepts fondamentaux en mathématiques à connaître pour mieux explorer et comprendre les données ; notions importantes des big data ; études de cas pratiques en langage Python. La première partie de ce livre est théorique et adopte un format questions/réponses qui présente plusieurs avantages, dont la possibilité pour le lecteur de lire distinctement chacune des questions pour parfaire son savoir. Un autre point fort de cette structure est qu'elle incite à entrer dans un dialogue. Ainsi, grâce aux questions posées, le lecteur est poussé vers une réflexion où il confronte ses réponses à...

Data Science : fondamentaux et études de cas

Auteure: Michel Lutz , Eric Biernat

Nombre de pages: 296

Nous vivons une époque très excitante, qui ramène l'analyse de données et les méthodes quantitatives au coeur de la société. L'aboutissement de nombreux projets de recherche, la puissance de calcul informatique disponible et des données à profusion permettent aujourd'hui d'incroyables réalisations, grâce au travail des data scientists. Un livre de référence pour les data scientists La data science est l'art de traduire des problèmes industriels, sociaux, scientifiques, ou de toute autre nature, en problèmes de modélisation quantitative, pouvant être résolus par des algorithmes de traitement de données. Cela passe par une réflexion structurée, devant faire en sorte que se rencontrent problèmes humains, outils techniques/informatiques et méthodes statistiques/algorithmiques. Chaque projet de data science est une petite aventure, qui nécessite de partir d'un problème opérationnel souvent flou, à une réponse formelle et précise, qui aura des conséquences réelles sur le quotidien d'un nombre plus ou moins important de personnes. Éric Biernat et Michel Lutz proposent de vous guider dans cette aventure. Ils vous feront visiter les vastes espaces de la data ...

Pratique de la data science avec R - Arranger, visualiser, analyser et présenter des données

Auteure: Christian Paroissin

Nombre de pages: 282

Le scientifique des données doit maîtriser plusieurs outils informatiques permettant de mettre en œuvre 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 œuvre 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.

Les data sciences en 100 questions/réponses

Auteure: Younes Benzaki

Nombre de pages: 107

Data science pour l'entreprise

Auteure: Tom Fawcett , Foster Provost

Nombre de pages: 370

Cet ouvrage traite de façon détaillée mais non technique les principes fondamentaux de la data science. Tout au long d'un processus de "raisonnement orienté données", il vous guidera pour acquérir des connaissances utiles et extraire une valeur économique des données que vous collectez. L'apprentissage de la data science vous permettra de comprendre les nombreuses techniques de data mining utilisées aujourd'hui. Ces principes sous-tendent tous les processus et stratégies de data mining qui servent à résoudre des problèmes d'entreprise. "Ce livre est bien plus qu'une introduction à l'analyse de données. C'est un guide essentiel pour ceux d'entre nous (nous tous ?) qui ont entièrement fondé leur entreprise sur l'ubiquité des données et la nécessité, aujourd'hui, de la prise de décision orientée données." Tom Phillips, PDG, Dstillery ; ex-Directeur de Google Search and Analytics. "Les auteurs de ce livre, tous deux experts en data science avant même que la discipline soit nommée ainsi, présentent ici un sujet complexe en le rendant accessible à tous les niveaux. Cet ouvrage est une première du genre : il se concentre sur les concepts de la data science...

R pour les data sciences

Auteure: Garrett Grolemund , Hadley Wickham

Nombre de pages: 496

Les data sciences constituent une discipline fascinante, qui vous servira à transformer des données brutes en idées et connaissances aisément compréhensibles. L’objectif de ce livre est de vous aider à maîtriser les outils essentiels qui vous permettront d’utiliser R dans la pratique des data sciences. Après l’avoir lu, vous pourrez faire face à la plupart des situations que vous rencontrerez dans vos projets, en exploitant au mieux les fonctionnalités de R. Mais avant de devenir un expert en R, vous devrez tout d’abord importer vos données, c’est-à-dire les lire, en général depuis un fichier, une base de données ou une API web, et les charger dans un cadre de données dans R. Si vous ne pouvez pas transférer vos données dans R, vous ne pourrez pas les analyser ! Une fois vos données importées, vous gagnerez beaucoup à les ranger. Une fois vos données rangées, vous passerez bien souvent par une étape de transformation. Une fois vos données rangées avec les variables dont vous avez besoin, la génération de connaissances reposera principalement sur deux moteurs : la visualisation et la modélisation. Leurs forces et faiblesses sont...

Data Science par la pratique Principes avec Python

Auteure: Joel Grus

Nombre de pages: 247

Data science : fondamentaux et études de cas

Auteure: Eric Biernat , Michel Lutz

Nombre de pages: 295

Nous vivons une époque très excitante, qui ramène l'analyse de données et les méthodes quantitatives au coeur de la société. L'aboutissement de nombreux projets de recherche, la puissance de calcul informatique disponible et des données à profusion permettent aujourd'hui d'incroyables réalisations, grâce au travail des data scientists. Un livre de référence pour les data scientists La data science est l'art de traduire des problèmes industriels, sociaux. scientifiques, ou de toute autre nature, en problèmes de modélisation quantitative, pouvant être résolus par des algorithmes de traitement de données. Cela passe par une réflexion structurée, devant faire en sorte que se rencontrent problèmes humains, outils techniques/informatiques et méthodes statistiques/algorithmiques. Chaque projet de data science est une petite aventure, qui nécessite de partir d'un problème opérationnel souvent flou, à une réponse formelle et précise, qui aura des conséquences réelles sur le quotidien d'un nombre plus ou moins important de personnes. Eric Biernat et Michel Lutz proposent de vous guider dans cette aventure. Ils vous feront visiter les vastes espaces de la data...

Data Science Par la Pratique

Auteure: Joël Grus

Python & Pandas et les 36 problèmes de data science - Problèmes et exercices corrigés pas à pas

Auteure: Frédéric Bro , Chantal Remy

Nombre de pages: 540

Ce livre contient 36 problèmes corrigés pour apprendre à traiter les données de toutes tailles (big data), et des vidéos et figures dynamiques en bonus accessibles via des QR codes. • Problèmes corrigés pas à pas • Data visualisation, cartes statistiques • Fouille et analyse de données • Modélisation, simulation, lanceur d’alerte • Prédiction et premiers pas vers l’IA

L’intelligence artificielle en pratique avec Python

Auteure: Hugues Bersini ; Ken Hasselmann

Guide pratique de l'intelligence artificielle dans l'entreprise

Auteure: Stéphane Roder , Luc Julia

Nombre de pages: 208

L'IA est une révolution pour le monde du travail au même titre que l'a été l'arrivée de l'électricité. En venant aider, optimiser ou remplacer, l'IA va révolutionner tous les métiers, mais aussi les structures de coûts, de revenus, et les organisations des entreprises. Comment définir la stratégie IA de son entreprise ? Stéphane Roder démystifie de façon très didactique l'IA, la replace dans le contexte financier et stratégique de l'entreprise, tout en permettant au lecteur de se projeter dans sa propre transformation. Il propose ainsi : une grille d'analyse des gisements de gain de productivité et de revenus liés à l'introduction de l'IA. Une méthodologie pour mettre en oeuvre des solutions IA dans son entreprise. L'introduction massive de l'IA dans l'entreprise devient un challenge pressant, car bientôt il y aura ceux qui auront fait le choix de l'électricité et ceux qui seront restés à la vapeur.

Big data et traçabilité numérique

Auteure: Pierre-Michel Menger

Nombre de pages: 218

Les traces numériques de l’activité des individus, des entreprises, des administrations, des réseaux sociaux sont devenues un gisement considérable. Comment ces données sont-elles prélevées, stockées, valorisées, et vendues ? Et que penser des algorithmes qui convertissent en outil de contrôle et de persuasion l’information sur les comportements, les actes de travail et les échanges ? Les big data sont-elles à notre service ou font-elles de nous les rouages consentants du capitalisme informationnel et relationnel ? Les sciences sociales enquêtent sur les enjeux sociaux, éthiques, politiques et économiques de ces transformations. Mais elles sont elles aussi de plus en plus consommatrices de données numériques de masse. Cet ouvrage collectif explore l’expansion de la traçabilité numérique dans ces deux dimensions, marchande et scientifique. L’ouvrage est dirigé par Pierre-Michel Menger, professeur au Collège de France et titulaire de la chaire « Sociologie du travail créateur », et par Simon Paye, maître de conférences à l’université de Lorraine, sociologue du travail et des groupes professionnels.

Big Data et Machine Learning

Auteure: Pirmin Lemberger , Marc Batty , Médéric Morel , Jean-Luc Raffaëlli

Nombre de pages: 272

Cet ouvrage s'adresse à tous ceux qui cherchent à tirer parti de l'énorme potentiel des technologies Big Data, qu'ils soient data scientists, DSI, chefs de projets ou spécialistes métier. Le Big Data s'est imposé comme une innovation majeure pour toutes les entreprises qui cherchent à construire un avantage concurrentiel de l'exploitation de leurs données clients, fournisseurs, produits, processus, etc. Il a en outre permis l'émergence des techniques d'apprentissage automatique (Machine Learning, Deep Learning...) qui ont relancé le domaine de l'intelligence artificielle. Mais quelle solution technique choisir ? Quelles compétences métier développer au sein de la DSI ? Ce livre est un guide pour comprendre les enjeux d'un projet Big Data, en appréhender les concepts sous-jacents et acquérir les compétences nécessaires à la mise en place d'une architecture d'entreprise adaptée. Il combine la présentation : de notions théoriques (traitement statistique des données, calcul distribué...) ; des outils les plus répandus ; d'exemples d'applications, notamment en NLP (Natural Language Processing) ; d'une organisation typique d'un projet de data science.

Administration Linux par la pratique

Auteure: Kiki Novak

Nombre de pages: 390

Ce guide pratique et ludique répond à toutes les questions que vous vous posez sur les bases de l'administration Linux, en explorant les distributions GNU/Linux les plus populaires, notamment CentOS 7 et la famille Red Hat Enterprise Linux. Il vous permet d'installer, de configurer et de gérer des serveurs sous Linux. Conçu étape par étape, il suit une progression pédagogique cohérente, en détaillant tout ce qu'il faut savoir sur les bases de l'administration système Linux (shell et ligne de commande, droits d'accès, processus, etc.) [...] [Source : 4e de couv.].

Administration Linux par la pratique - Tome 2

Auteure: Kiki Novak

Nombre de pages: 437

Configurer les services les plus courants Dans la continuité du premier tome, "Les fondamentaux de l'administration système", ce guide pratique et ludique répond à toutes les questions que vous vous posez sur la configuration des services les plus répandus sous Linux : authentification SSH, serveur DHCP serveur DNS, synchronisation NTR serveur de bases de données, serveur web, serveur mail, serveur de fichiers, serveur d'annuaire, serveur proxy, etc. Il traite également de plusieurs aspects utiles au quotidien et souvent négligés comme le peaufinage de votre environnement de travail ou l'installation de Linux sur du matériel spécifique comme les routerboards ou les serveurs dédiés dans les datacenters. Vous apprenez à héberger les applications web les plus populaires comme WordPress, Dolibarr, OwnCloud et Roundcube. Sans oublier les réflexes indispensables à adopter face à un serveur qui ne répond plus. Chaque chapitre est organisé sous forme d'atelier pratique. Conçu étape par étape, ce livre suit une progression pédagogique cohérente, en détaillant tout ce qu'il faut savoir pour configurer un serveur Linux immédiatement utilisable en production. Un...

Python pour le data scientist - 2e éd.

Auteure: Emmanuel Jakobowicz

Nombre de pages: 320

Python est devenu en quelques années un langage majeur dans l'univers des applications centrées sur le traitement des données, et plus particulièrement des gros volumes de données (big data). Cet ouvrage servira de guide à tous ceux qui s'intéressent à l'utilisation de Python pour le travail sur les données et l'automatisation de certaines tâches (data science). Il met l'accent sur la préparation et la mise en forme des données qui sont essentielles dans la qualité du résultat et qui constituent aujourd'hui une part importante du travail du data scientist. L'ensemble des exemples et des exercices présentés dans cet ouvrage sont disponibles sous forme de Notebooks Jupyter. Ils sont accessibles directement sur GitHub dans le répertoire dédié à l'ouvrage ou en téléchargement sur le site Dunod. Cette 2e édition comportent de très nombreuses mises à jour sur les évolutions récentes du langage Python, sur les "packages" utilisés en data science, et sur d'autres logiciels associés comme TensorFlow et Keras.

Data science pour l’agriculture et l’environnement - Méthodes et applications avec R et Python

Auteure: François Brun , Élodie Doutart , Florent Duyme , Mohammed El Jabri , Kevin Fauvel , Maxime Legris , David Makowski , Aurore Philibert , François Piraux , Alexandre Termier

Nombre de pages: 258

La data science a acquis une grande renommée dans de nombreux domaines mais son utilisation en agriculture et, plus largement dans les sciences environnementales, reste encore limitée. Ce manuel d’initiation vise à démocratiser l’usage de la data science pour des applications en lien avec l’agriculture et l’environnement. L’ouvrage couvre les principales méthodes couramment utilisées pour la prédiction, la classification et le partitionnement de données. Il comporte à la fois des explications détaillées du fonctionnement de chaque méthode, une description de codes R et Python permettant leur utilisation pratique, et des exemples d’applications concrètes en lien avec les sciences agricoles et environnementales.

Les fondements de la data science

Ce cours donne une vue d'ensemble de la data science moderne, également appelée science des données en français, et qui est la pratique consistant à collecter, explorer, modéliser et interpréter des données. Si le big data monopolise toutes les attentions, il existe bien d'autres domaines et concepts intéressants. Barton Poulson évoque ici des branches telles que la programmation, les statistiques, les mathématiques, le machine learning, les analyses de données, la visualisation et (oui) le big data. Il explique pourquoi les data scientists sont si demandés et décrit les compétences requises pour réussir dans les différents métiers. Il montre aussi comment collecter des données à partir de référentiels open source via des API web ou via le scraping, et présente certaines technologies (R, Python et SQL) ainsi que certaines techniques (machines à vecteurs supports et forêts aléatoires) d'analyse. À l'issue de cette formation, vous devriez mieux comprendre l'utilité de la data science pour obtenir des informations exploitables à partir des jeux de données complexes qui vous entourent.

Data science pour l’agriculture et l’environnement

Auteure: François Brun , Elodie Doutart , Florent Duyme , Mohammed El Jabri

Nombre de pages: 258

Les bases de données NoSQL

Auteure: Rudi Bruchez

Machine learning avec Python ANNULE

Auteure: Andreas C.MUELLER , Sarah GUIDO

Nombre de pages: 282

Entrez de plain-pied dans le monde fascinant la data science Vous aussi participez à la révolution qui ramène l'intelligence artificielle au coeur de notre société, grace aux data scientists. La data science consiste à traduire des problèmes de toute autre nature, en problèmes de modélisation quantitative, résolus par des algorithmes de traitement. Ce livre se présente comme une référence pour tous les développeurs, statisticiens ou chefs de projets ayant à résoudre des problèmes liés à la data science. Au programme : Pourquoi utiliser le machine learning Les différentes versions de Python L'apprentissage non supervisé et le préprocessing Représenter les données Processus de validation Algorithmes, chaînes et pipeline Travailler avec des données de type texte Du prototype à la production

Node.js : bonnes pratiques pour la programmation javascript applicative et

Auteure: Thomas Parisot

Nombre de pages: 453

La limite entre front-end et back-end est mouvante et floue : écrire et compiler en JavaScript est un must, et devient la deuxième langue vivante à parler à l'école. Un ouvrage sur Node.js auquel des pointures de la communauté participeront.

Data Scientist et langage R

Auteure: Henri Laude

Nombre de pages: 663

Tous les experts s'accordent à dire que 90% des usages du Big Data proviennent de l'utilisation des data sciences. L'objectif de ce livre est de proposer une formation complète et opérationnelle sur les data-sciences qui permet de délivrer des solutions via l'usage du langage R. Ainsi, l'auteur propose un parcours didactique et professionnalisant qui, sans autre pré-requis qu'un niveau Bac en mathématiques et une grande curiosité, permet aux lecteurs : - de s'intégrer à une équipe de data-scientists, - d'aborder des articles de recherche possédant une haute teneur en mathématiques, - le cas échéant de développer en langage R, y compris des algorithmes nouveaux et de beaux graphiques, - ou tout simplement de manager une équipe projet comprenant des data scientists, en étant à même de dialoguer avec eux de façon efficace. L'ouvrage ne se cantonne pas aux algorithmes du "machine learning", il aborde divers sujets importants comme le traitement du langage naturel, les séries temporelles, la logique floue, la manipulation des images. La dynamique de l'ouvrage soutient le lecteur pas à pas dans sa découverte des data sciences, l'évolution de ses compétences...

Python pour la Data science Pour les Nuls

Auteure: John Paul MUELLER

Nombre de pages: 370

Découvrez Python le langage de prédilection de la science des données La science des données ou data science consiste à extraire des connaissance dans un flot de données. Elle utilise des techniques et des théories tirées de domaines comme les mathématiques et la statistique. Les méthodes qui s'adaptent aux big data sont particulièrement intéressantes dans la science des données. Ce livre est destiné à tous ceux qui travaillent dans le domaine de l'analyse de données et montre comment mettre en oeuvre le langage Python pour dans ce domaine et uassi celui de la statistique. Il traite également de Google Colab, un outil qui permet d'cire du code Python dans le cloud. Au programme : Probabilités Distributions aléatoires Tests d'hypothèses Regressions Modèles de prédiction

Leadership spirituel en pratiques

Auteure: Catherine Voynnet-Fourboul

Nombre de pages: 408

L’équipe d’auteurs, réunissant chercheurs, professionnels et praticiens œuvrant principalement au sein du Lab Management et Spiritualité, développe dans cet ouvrage des réflexions autour du leadership spirituel, dans le prolongement de l’ouvrage Diriger avec son âme : leadership et spiritualité, publié en 2014. L’objectif est que la diffusion de leurs travaux de recherche auprès du public favorise le déploiement du management spirituel dans les entreprises et les organisations publiques. Ce livre permet ainsi d’accéder à un certain nombre de pratiques pour tous ceux qui aspirent à développer leur leadership et contribuer positivement à un développement durable des organisations ainsi qu’à une mise en perspective théorique sur de nombreux sujets au niveau des individus, des groupes et des organisations. Il s’adresse tant à des dirigeants et managers qu’à des enseignants chercheurs et étudiants de niveau Master ou doctorants. La conviction de tous les auteurs, même si elle est éclairée par une prudence indispensable étayée dans l’ouvrage, est que le leadership spirituel constitue la voie attendue et prometteuse, procurant de multiples...

Guide pratique de l'intelligence artificielle dans l'entreprise

Auteure: Stéphane Roder

Nombre de pages: 208

"Stéphane Roder est sans doute aujourd'hui le meilleur témoin de ce que l'intelligence artificielle peut apporter aux entreprises du XXIe siècle, petites ou grandes." Luc Julia, CTO Samsung, cocréateur de Siri L'IA est une révolution pour le monde du travail au même titre que l'a été l'arrivée de l'électricité. En venant aider, optimiser ou remplacer, l'IA va révolutionner tous les métiers, mais aussi les structures de coûts, de revenus, et les organisations des entreprises. Comment définir la stratégie IA de son entreprise ? Stéphane Roder démystifie de façon très didactique l'IA, la replace dans le contexte financier et stratégique de l'entreprise, tout en permettant au lecteur de se projeter dans sa propre transformation. Il propose ainsi : une grille d'analyse des gisements de gain de productivité et de revenus liés à l'introduction de l'IA ; une méthodologie pour mettre en oeuvre des solutions IA dans son entreprise. L'introduction massive de l'IA dans l'entreprise devient un challenge pressant, car bientôt il y aura ceux qui auront fait le choix de l'électricité et ceux qui seront restés à la vapeur.

Les big data

Auteure: Églantine Schmitt

Nombre de pages: 268

L’exploitation de grandes masses de données numériques n’est jamais une activité purement technique. Elle requiert en effet d’adopter une approche interprétative et exploratoire, bien connue des sciences humaines, pour rendre intelligibles les résultats des algorithmes d’analyse de données et produire de nouvelles connaissances. Cet ouvrage s’appuie sur une enquête de terrain de plusieurs années chez un éditeur de logiciel spécialisé dans le traitement de big data. Il examine la façon dont les data scientists explorent, interprètent et visualisent nos traces numériques pour leur donner du sens et produire des connaissances inédites. Inspiré par la philosophie des sciences, Les big data offre une réflexion sur la donnée en général, et la façon dont celle-ci nous permet de mieux comprendre le réel et d’orienter nos actions au quotidien.

L'UX Design en pratiques !

Auteure: Marina Wiesel , Jérémie Cohen

Nombre de pages: 248

Smart Leaders. Concepts-clés et fiches pratiques pour réussir les transformations de l’ère numérique

Auteure: Romain Rabier

Nombre de pages: 128

Que vous soyez dans l’univers des ressources humaines, manager d’équipe et/ou porteur d’un projet ambitieux, vous devez aujourd'hui maîtriser les compétences qui vont vous permettre de réussir à dompter durablement les évolutions socioéconomiques et technologiques qui ne cessent de s’accélérer. Et pour cela, savoir identifier ces compétences, les évaluer et les développer n’est plus une option mais un kit de survie. Dans cet ouvrage, vous trouverez successivement une vision globale de la transformation des talents et de nombreuses micro-expérimentations pratiques et concrètes sur les « compétences du futur » à tester au quotidien. Il s'articule autour de trois grandes parties : Comprendre : L’environnement du Smart Leader, un monde de transformations impromptuesAnalyser : L’ADN du Smart LeaderAgir : Le quotidien du Smart Leader Ce livre est à destination de celles et de ceux qui croient que l’expérience du travail est avant tout une aventure humaine, avec comme objectif majeur l’employabilité individuelle durable et la montée en compétences collective.

Chief Data Officer

Auteure: Gilbert Ton , Alain Yen -Pon

Nombre de pages: 253

Nouveau métier et fonction émergente, le Chief data officer a désormais sa place dans les organigrammes des entreprises. En effet, avec la diffusion de plus en plus massive des nouvelles technologies, des nouvelles organisations et des transformations du travail, le CDO, chargé de faciliter l'accès aux données et donc de permettre de prendre des décisions optimales, se retrouve au coeur des principaux enjeux opérationnels et stratégiques des organisations. Conciliateurs, chefs d'orchestre, stratèges, bâtisseurs, alchimistes ou disrupteurs : - Qui sont les Chief Data Officers ? - Que peuvent-ils apporter à l'entreprise ? - Quelles sont leurs pratiques, leurs méthodes, leurs outils ? Ce livre, le premier traitant de la fonction de CDO en France, dresse un état des lieux du métier et des outils méthodologiques qui lui sont indispensables. Il offre également des retours d'expérience de CDO éclairés, et présente les meilleures pratiques et les écueils à éviter, ainsi que les perspectives sur les évolutions possibles de la fonction au regard des tendances actuelles en matière de technologies et d'organisations.

Pratiques et corruptions de la démocratie moderne. Cycle de conférences 2019/2020. Verbatim vol. 7

Auteure: Josiane Boulad-Ayoub

Nombre de pages: 202

De l’Antiquité jusqu’à aujourd’hui, la démocratie a été associée aux principes de liberté et d’égalité. Pour devenir effectifs et informer la vie politique et sociale, ces principes doivent toutefois s’incarner dans des pratiques et des médiations qui leur donnent corps. La désignation de magistrats par tirage au sort ou l’élection de représentants viennent immédiatement à l’esprit lorsqu’on pense aux démocraties antiques et modernes. Mais les pratiques démocratiques incluent aussi d’autres modes de participation et de consultation, d’éducation, de contrôle ou de contrepoids. Nécessaires à la vie démocratique, ces pratiques sont aussi, par contre, le lieu de sa possible corruption. Aristote explique ainsi en détail, dans les Politiques, comment on peut conduire la démocratie à sa perte ou la vider de sa substance ne serait-ce que par une transformation minime de ses pratiques. De manière générale, la pratique est d’ailleurs dans un lien étroit aux moeurs, c’est donc à travers elle que se déploient et que sont testés, en quelque sorte, l’esprit et l’idéal d’un régime politique. C’est ce double aspect des pratiques...

Data scientist et langage R

Auteure: Eva Laude , Henri Laude

Nombre de pages: 870

Ce livre, pour lequel deux axes de lecture sont possibles, a pour objectif de proposer une formation complète et opérationnelle sur les data sciences. Le premier axe permet au lecteur d'apprendre à délivrer des solutions complètes via l'usage du langage R et de son ecosystème, et le second lui permet d'acquérir une culture approfondie des data sciences tout en faisant abstraction du détail code R grâce à l'utilisation d'un outillage intéractif qui ne nécessite pas d'apprendre à coder en R. Ainsi les auteurs proposent un parcours didactique et professionnalisant qui, sans autre prérequis qu'un niveau Bac en mathématiques et une grande curiosité, permet au lecteur : de d'intégrer à une équipe de data scientists; d'aborder la lecture d'articles de recherche en IA ou data sciences; de développer en langage R; et de dialoguer avec une équipe projet comprenant des data scientists. Le livre ne se cantonne pas aux algorithmes classiques du Machine Learning (arbres de décision, réseaux neuronaux ...), il aborde divers sujets importants comme le traitement du langage naturel, les séries temporelles, la logique floue ou la manipulation d'images. Les sujets pratiques...

Chief data officer

Auteure: Gilbert Ton , Alain Yen-Pon

Nombre de pages: 254

Nouveau métier et fonction émergente, le CHIEF DATA OFFICER a désormais sa place dans les organigrammes des entreprises. En effet, avec la diffusion de plus en plus massive des nouvelles technologies, des nouvelles organisations et des transformations du travail, le CDO, chargé de faciliter l’accès aux données et donc de permettre de prendre des décisions optimales, se retrouve au cœur des principaux enjeux opérationnels et stratégiques des organisations. Conciliateurs, chefs d’orchestre, stratèges, bâtisseurs, alchimistes ou disrupteurs : Qui sont les Chief Data Officers ? Que peuvent-ils apporter à l’entreprise ? Quelles sont leurs pratiques, leurs méthodes, leurs outils ? Ce livre, le premier traitant de la fonction de CDO en France, dresse un état des lieux du métier et des outils méthodologiques qui lui sont indispensables. Il offre également des retours d’expérience de CDO éclairés, et présente les meilleures pratiques et les écueils à éviter, ainsi que les perspectives sur les évolutions possibles de la fonction au regard des tendances actuelles en matière de technologies et d’organisations. GILBERT TON évolue dans le domaine de la data ...

Python pour le data scientist - 2e éd.

Auteure: Emmanuel Jakobowicz

Nombre de pages: 320

Python est devenu en quelques années un langage majeur dans l'univers des applications centrées sur le traitement des données, et plus particulièrement des gros volumes de données (big data). Cet ouvrage servira de guide à tous ceux qui s'intéressent à l'utilisation de Python pour le travail sur les données et l'automatisation de certaines tâches (data science). Il met l'accent sur la préparation et la mise en forme des données qui sont essentielles dans la qualité du résultat et qui constituent aujourd'hui une part importante du travail du data scientist. L'ensemble des exemples et des exercices présentés dans cet ouvrage sont disponibles sous forme de Notebooks Jupyter. Ils sont accessibles directement sur GitHub dans le répertoire dédié à l'ouvrage ou en téléchargement sur le site Dunod. Cette 2e édition comportent de très nombreuses mises à jour sur les évolutions récentes du langage Python, sur les "packages" utilisés en data science, et sur d'autres logiciels associés comme TensorFlow et Keras.