000			04991cam0a2200421 4500
001			15428
009			231720289
003			http://www.sudoc.fr/231720289
005			20250630092525.0
010			_a9782100770755 _bbr. _d29,90 EUR
073		1	_a9782100770755
090			_a15428
099			_tOUVR _zALEX30716
100			_a20181116h20182018k y0frey50 ba
101	0		_afre _2639-2
102			_aFR
105			_aa a 001yy
106			_ar
181			_6z01 _ctxt _2rdacontent
181		1	_6z01 _ai# _bxxxe##
182			_6z01 _cn _2rdamedia
182		1	_6z01 _an
183		1	_6z01 _anga _2RDAfrCarrier
200	1		_aPython pour le data scientist _edes bases du langage au machine learning _fEmmanuel Jakobowicz
214		0	_aMalakoff _cDunod _dDL 2018
215			_a1 volume (xi-304 pages) _cillustrations, couverture illustrée en couleur _d25 cm
225	2		_aInfoPro _iApplications métiers _x1776-5900
320			_aBibliographie p. [297]-299. Index
330			_aLa 4e de couv. indique : "Si vous vous intéressez au traitement des données avec le langage Python cet ouvrage s'adresse à vous. Que vous soyez débutant en Python ou que vous ayez une expérience significative, il vous apportera les clés pour utiliser ce langage en data science. Ce livre répond à de nombreuses questions sur Python : Comment utiliser Python en data science ? Comment coder en Python ? Comment préparer des données avec Python ? Comment créer des visualisations attractives avec Python ? Comment appliquer des modèles de machine learning et de deep learning avec Python ? Comment passer aux environnements big data ? Vous apprendrez à tirer parti des multiples outils Python tels que Anaconda, IPython, Jupyter, NumPy, Pandas, Matplotlibn Seaborn, Bokeh, Scikit-Learn, Keras, PySpark... pour mettre en place vos traitements."
359	2		_pP. IX _cAvant-propos _bPremière partie _bLes fondamentaux du langage Python _pP. 15 _c1 Python, ses origines et son environnement _pP. 15 _d1.1 Histoire, origines et évolution : de la naissance à la version 3.7 _pP. 18 _d1.2 Python vs R vs le reste du monde _pP. 23 _d1.3 Comment développer en Python ? _pP. 25 _d1.4 Les outils pour coder en Python _pP. 40 _d1.5 Les packages pour la data science _pP. 43 _c2 Python from scratch _pP. 43 _d2.1 Principes de base _pP. 45 _d2.2 Les interpréteurs : Python et IPython _pP. 50 _d2.3 La base pour commencer à coder _pP. 54 _d2.4 Les structures (tuples, listes, dictionnaires) _pP. 59 _d2.5 La programmation (conditions, boucles...) _pP. 63 _d2.6 Les fonctions _pP. 67 _d2.7 Les classes et les objets _pP. 69 _d2.8 Les packages et les modules _pP. 72 _d2.9 Aller plus loin _bDeuxième partie _bLa préparation et la visualisation des données avec Python _pP. 79 _c3 Python et les données (NumPy et Pandas) _pP. 79 _d3.1 La donnée à l'ère de la data science _pP. 81 _d3.2 Les arrays de NumPy _pP. 95 _d3.3 Les objets series et dataframe de Pandas _pP. 103 _c4 La préparation des données et les premières statistiques _pP. 103 _d4.1 Présentation des données _pP. 108 _d4.2 Les outils pour charger les données _pP. 121 _d4.3 Décrire et transformer des colonnes _pP. 147 _d4.4 Extraire des statistiques descriptives _pP. 151 _d4.5 Utilisation du groupby pour décrire des données _pP. 154 _d4.6 Aller plus loin : accélération _pP. 159 _c5 Data visualisation avec Python _pP. 159 _d5.1 Construction de graphiques avec Matplotlib _pP. 178 _d5.2 Seaborn pour des représentations plus élaborées _pP. 184 _d5.3 Quelques bases de cartographie _pP. 190 _d5.4 Les graphiques interactifs avec d'autres packages et outils _bTroisième partie _bPython, le machine learning et le big data _pP. 199 _c6 Différentes utilisations du machine learning avec Python _pP. 199 _d6.1 Le machine learning, qu'est-ce que c'est ? _pP. 202 _d6.2 Comment faire du machine learning avec Python _pP. 205 _d6.3 Le processus de traitement en machine learning _pP. 211 _d6.4 L'apprentissage supervisé avec Scikit-Learn _pP. 238 _d6.5 L'apprentissage non supervisé _pP. 249 _d6.6 L'analyse textuelle avec Python _pP. 258 _d6.7 Le deep learning avec Keras _pP. 271 _c7 Python et le big data : tour d'horizon _pP. 271 _d7.1 Est-ce qu'on change tout quand on parle de big data ? _pP. 272 _d7.2 Comment traiter de la donnée massive avec Python _pP. 273 _d7.3 Récupérer des données avec Python _pP. 276 _d7.4 Utilisation d'Apache Spark avec pyspark en Python _pP. 289 _cLexique de la data science _pP. 293 _cMettre en place votre environnement _pP. 297 _cBibliographie _pP. 301 _cIndex
410			_0098177893 _tInfoPro. Applications métiers _x1776-5900
452			_0233360751 _tPython pour le data scientist _odes bases du langage au machine learning _fEmmanuel Jakobowicz
606			_3051626225 _aPython (langage de programmation) _2rameau
606			_3027940373 _aApprentissage automatique _2rameau
606			_3167193686 _aDonnées massives _2rameau
606			_3035198222 _aExploration de données _2rameau
676			_a006.31 _v23 _zfre
700		1	_3122309022 _aJakobowicz _bEmmanuel _f1980-.... _4070