Data mining et statistique décisionnelle

La science des données

Stéphane Tufféry

930 pages, parution le 14/10/2017

Ajouter à une liste

Expédié sous 24h

Livraison à partir de 0,01€ dès 35€ d'achats
Pour une livraison en France métropolitaine

Retrait à la librairie - Paris 5e

Disponible dans la journée

QUANTITÉ

Résumé

Le data mining et la data science sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases de données, qu'elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, production, consommation, fidélisation...).

Cette cinquième édition, actualisée et augmentée de 90 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au text mining, objet d'un chapitre complètement remanié. Nombre de ses outils appartiennent à l'analyse des données et à la statistique "classiques" (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée, régression clusterwise...) mais certains sont plus spécifiques au data mining, comme les réseaux de neurones, les algorithmes génétiques, les SVM, les arbres de décision, les forêts aléatoires, le boosting et la détection des règles d'associations. Les avancées les plus récentes du machine learning et les applications les plus actuelles des Big Data sont présentées, qui vont des algorithmes de reconnaissance d'image aux méthodes de plongement de mots en text mining. Les chapitres sur les réseaux de neurones et les SVM sont illustrés par la reconnaissance de l'écriture manuscrite.

Ces outils sont disponibles dans des logiciels de plus en plus puissants et complets, à commencer par le logiciel libre R, que nous comparons en détail aux logiciels SAS et IBM SPSS dans un chapitre spécifique. Ces logiciels sont utilisés pour illustrer par des exemples précis les explications théoriques données.

Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, leur intégration dans les processus opérationnels. Un chapitre est consacré à une étude de cas complète de credit scoring, de l'exploration des données jusqu'à l'élaboration de la grille de score.

"Ce livre très riche et agréable à lire, malgré sa technicité, est destiné aux statisticiens et praticiens du data mining, aux utilisateurs et gestionnaires de bases de données mais aussi à tous les décideurs et aux étudiants en sciences économiques." (Bulletin APMEP, n°462, janvier-février 2006)
"Un manuel très clair et très complet." (Revue de statistique appliquée, mars 2006)
"A mix of high level coverage of general issues, deep discussions of methodology, and detailed explorations of particular application areas." (David Hand, préface de l'édition anglaise, décembre 2010)

L'auteur - Stéphane Tufféry

Stéphane Tuffery est responsable des études statistiques dans un grand groupe bancaire. Il intervient à l'Institut des Actuaires et il est Maître de Conférences associé à l'Université de Rennes 1, où il enseigne le data mining et les méthodes de Big Data. Il a publié dans la même collection Data Mining et statistique décisionnelle (5e édition), qui a été traduit en anglais.

Autres livres de Stéphane Tufféry

Etude de cas en statistique décisionnelle

Big data, machine learning et apprentissage profond

Découvrir tous les livres de Stéphane Tufféry

Caractéristiques techniques

	PAPIER
Éditeur(s)	Technip
Auteur(s)	Stéphane Tufféry
Parution	14/10/2017
Nb. de pages	930
Format	17 x 24
Couverture	Broché
Poids	1555g
Intérieur	Noir et Blanc
EAN13	9782710811800
ISBN13	978-2-7108-1180-0