EUR 62,00
  • Tous les prix incluent la TVA.
Il ne reste plus que 7 exemplaire(s) en stock (d'autres exemplaires sont en cours d'acheminement).
Expédié et vendu par Amazon. Emballage cadeau disponible.
Quantité :1
Data mining et statistiqu... a été ajouté à votre Panier
Vous l'avez déjà ?
Repliez vers l'arrière Repliez vers l'avant
Ecoutez Lecture en cours... Interrompu   Vous écoutez un extrait de l'édition audio Audible
En savoir plus
Voir les 3 images

Data mining et statistique décisionnelle - 4ème édition Broché – 21 août 2012

4.6 étoiles sur 5 5 commentaires client

Voir les formats et éditions Masquer les autres formats et éditions
Prix Amazon
Neuf à partir de Occasion à partir de
Broché
"Veuillez réessayer"
EUR 62,00
EUR 62,00 EUR 109,55
Note: Cet article est éligible à la livraison en points de collecte. Détails
Récupérer votre colis où vous voulez quand vous voulez.
  • Choisissez parmi 17 000 points de collecte en France
  • Les membres du programme Amazon Premium bénéficient de livraison gratuites illimitées
Comment commander vers un point de collecte ?
  1. Trouvez votre point de collecte et ajoutez-le à votre carnet d’adresses
  2. Sélectionnez cette adresse lors de votre commande
Plus d’informations

Livres scolaires, manuels scolaires Livres scolaires, manuels scolaires

click to open popover

Offres spéciales et liens associés


Produits fréquemment achetés ensemble

  • Data mining et statistique décisionnelle - 4ème édition
  • +
  • Etude de cas en statistique décisionnelle
  • +
  • Probabilités, analyse des données et Statistique
Prix total: EUR 167,00
Acheter les articles sélectionnés ensemble

Descriptions du produit

Extrait

Chapitre 1

Panorama du data mining

Le premier chapitre définit le data mining, et en décrit les principales applications et les apports à différents domaines financiers, industriels, marketing, médicaux et scientifiques. Il situe en outre le data mining par rapport à la statistique, qui lui fournit bon nombre de ses méthodes et concepts théoriques, et par rapport à l'informatique, qui lui fournit sa matière première (les données), ses moyens de calcul et son vecteur de communication (la restitution des résultats) vers les autres applications informatiques et vers les utilisateurs. Il évoque les limites légales inhérentes au traitement de données à caractère personnel, limites érigées pour protéger les libertés individuelles des personnes dont on manipule les données. Ce chapitre s'achève par la mention des principaux facteurs de succès d'un projet de data mining.

1.1. Qu'est-ce que le data mining ?

La statistique, naguère confinée dans les études de laboratoire, les expérimentations cliniques, l'actuariat et certaines analyses de risque, envahit aujourd'hui avec le data mining de nombreux domaines, qui vont de l'infini petit (génomique) à l'infiniment grand (astrophysique), du plus quotidien (reconnaissance de l'écriture manuscrite sur les enveloppes) au plus technologique (aide au pilotage aéronautique), du plus ouvert (e-commerce) au plus sécuritaire (prévention du terrorisme, détection de la fraude dans la téléphonie mobile ou l'utilisation des cartes bancaires), du plus industriel (contrôle qualité, pilotage de la production) au plus théorique (enquêtes en sciences humaines, études biologiques, médicales et pharmaceutiques), et du plus alimentaire (études agronomiques et agro-alimentaires) au plus divertissant (prédictions d'audience à la télévision). À cette simple énumération, on devine que le spectre des applications du data mining et de la statistique est très large. Les plus concernés sont les secteurs où d'importants volumes de données doivent être analysés, parfois en vue de prendre des décisions rapides comme le montrent certains des exemples précédents. L'aide à la décision devient une finalité du data mining et de la statistique, dont on n'attend plus seulement (ou plus nécessairement) qu'ils aident à comprendre le réel en le modélisant. Cette démarche n'est pas absolument nouvelle et se rencontre en médecine, où certains traitements ont pu être mis au point sur la base d'analyses statistiques, alors que le mécanisme biologique de la maladie, un cancer par exemple, demeurait mal connu du fait de sa complexité. Le data mining permet de limiter la subjectivité humaine dans les processus de décision, et aussi, grâce à la puissance grandissante des outils informatiques, de traiter de plus en plus rapidement de grands nombres de dossiers.

(...)

Présentation de l'éditeur

Le data mining et la statistique 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, consommation, fidélisation...). Cette quatrième édition, actualisée et augmentée de 120 pages, fait le point sur le data mining, ses fondements théoriques, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu au web mining et au text mining. Nombre de ses outils appartiennent à l analyse des données et la statistique "classique" (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisées...) mais certains sont plus spécifiques au data mining, comme les arbres de décision, les réseaux de neurones, les SVM, l agrégation de modèles et la détection des règles d associations. Ces outils sont disponibles dans des logiciels de plus en plus puissants et conviviaux, aptes à exécuter de nombreux algorithmes sur de grands volumes de données. Un chapitre de l ouvrage aide le lecteur à se diriger dans cette offre logicielle et détaille les fonctionnalités des trois principaux logiciels : R, SAS, IBM et SPSS. Ces logiciels sont aussi utilisés pour illustrer par des exemples de nombreuses explications théoriques : une partie de 50 pages est consacrée à une étude de cas complète de credit scoring, qui va de l exploration des données jusqu à l élaboration de la grille de score. 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, sans oublier les contraintes juridiques dès que l on traite des données à caractère personnel. Table des matières : 1. Panorama du data mining. 2. Le déroulement d une étude de data mining. 3. L exploration et la préparation des données. 4. L utilisation des données commerciales et géodémographiques. 5. Les logiciels de statistique et de data mining. 6. Panorama des méthodes de data mining. 7. L analyse factorielle. 8. Les réseaux de neurones. 9. Les techniques de classification automatique. 10. La recherche des règles d associations. 11. Les techniques de classement et de prédiction. 12. L analyse discriminante linéraire et ses généralisations. 13. Le modèle linéaire et ses généralisations. 14. Le modèle logistique et ses généralisations. 15. Les autres modèles prédictifs. 16. L agrégation de modèles. 17. Une application du data mining : le scoring. 18. Les facteurs de succès d un projet de data mining. 19. Le text mining. 20. Le web mining. Annexes. Bibliographie. Index.

Aucun appareil Kindle n'est requis. Téléchargez l'une des applis Kindle gratuites et commencez à lire les livres Kindle sur votre smartphone, tablette ou ordinateur.

  • Apple
  • Android
  • Windows Phone
  • Android

Pour obtenir l'appli gratuite, saisissez votre numéro de téléphone mobile.




Détails sur le produit


Commentaires en ligne

4.6 étoiles sur 5
5 étoiles
4
4 étoiles
0
3 étoiles
1
2 étoiles
0
1 étoile
0
Voir les 5 commentaires client
Partagez votre opinion avec les autres clients

Meilleurs commentaires des clients

Format: Broché Achat vérifié
Ce livre est très bien fait et permet de comprendre facilement les différentes méthodes de data mining. Les annexes permettent, pour ceux qui le souhaitent, d'aller plus loin dans la compréhension, sans alourdir les explications de chaque méthode. Des applications concrètes sont données et permettent de s'approprier l'utilisation du data mining dans le monde du travail. De plus, les trois logiciels SAS, SPSS et R sont abordés avec des détails de programmation. En bref, un livre à la fois accessible et complet, indispensable pour les personnes qui souhaitent comprendre les méthodes de data mining et/ou les appliquer dans le domaine professionnel ! Je recommande !
Remarque sur ce commentaire Avez-vous trouvé ce commentaire utile ? Oui Non Commentaire en cours d'envoi...
Merci pour votre commentaire.
Désolé, nous n'avons pas réussi à enregistrer votre vote. Veuillez réessayer
Signaler un abus
Format: Broché Achat vérifié
Excellent manuel de référence en statistique décisionnelle. La mise en avant du datamining dans le titre est sans doute un parti pris éditorial pour surfer sur la tendance mais il est bien question ici d'analyse et de modélisation statistique, de la préparation des données à l'interprétation des résultats. Excellent ouvrage, accessible, pour les dataminers, statisticiens et analystes de tous horizons.
Remarque sur ce commentaire 3 personnes ont trouvé cela utile. Avez-vous trouvé ce commentaire utile ? Oui Non Commentaire en cours d'envoi...
Merci pour votre commentaire.
Désolé, nous n'avons pas réussi à enregistrer votre vote. Veuillez réessayer
Signaler un abus
Format: Broché
Ouvrage très verbeux et répétitif (manque de hauteur de vue et de concision). Peu rigoureux sur la présentation générale de certaines méthodes. Choix des notations lourd et mauvaise mise en page (les formules semblent avoir été rédigées avec MS Word). Exemples fait sous SAS... Pourquoi ne pas utiliser les standards open source du domaine ? Même question par rapport à LaTeX... Toutefois il s'agit du livre le plus complet disponible sur le domaine.
Remarque sur ce commentaire Avez-vous trouvé ce commentaire utile ? Oui Non Commentaire en cours d'envoi...
Merci pour votre commentaire.
Désolé, nous n'avons pas réussi à enregistrer votre vote. Veuillez réessayer
Signaler un abus
Format: Broché
Manuel de base très complet de statistique appliquée, appelé data mining. Couvre de façon détaillée les procédés d’études statistique, depuis la préparation des données jusqu’à la visualisation, en insistant sur la sélection des méthodes les plus adaptées en fonction des caractéristiques du corpus et des cibles de recherche. Le panorama recouvre tant les logiciels (avec un focus sur SAS, SPSS et R), que les méthodologies (factoriel, réseaux, classification, association), les techniques de classement et prédiction (discriminante, linéaire, logistique, arbre, scoring). Un rapide survol sur le text et le web mining. Un complément sur les traitements big data serait le bienvenu. Outil de référence indispensable.
Remarque sur ce commentaire Une personne a trouvé cela utile. Avez-vous trouvé ce commentaire utile ? Oui Non Commentaire en cours d'envoi...
Merci pour votre commentaire.
Désolé, nous n'avons pas réussi à enregistrer votre vote. Veuillez réessayer
Signaler un abus
Format: Broché
Un complément parfait à une formation en data mining en cursus, ou même en autodidacte.
Bases de stats nécessaires et recommandées.
Remarque sur ce commentaire Avez-vous trouvé ce commentaire utile ? Oui Non Commentaire en cours d'envoi...
Merci pour votre commentaire.
Désolé, nous n'avons pas réussi à enregistrer votre vote. Veuillez réessayer
Signaler un abus


Commentaires

Souhaitez-vous compléter ou améliorer les informations sur ce produit ? Ou faire modifier les images?