Mon compte
Ma liste - 0
Catalogue
Ressources numériques
Nouveautés
Liens utiles
Mon compte
Recherche rapide
Recherche avancée
Recherche alphabétique
Historique
Information
Recherche
Auteur
Titre
Sujet
Titre de revue
Collection
Cotes BU
Cotes ENSEA
Cotes IUFM
Modifier la recherche
>
CERGY
Elargir la recherche
Sur le même sujet :
R . logiciel
Données -- Récupération (informatique)
Analyse des données
Python (langage de programmation)
Agriculture -- Prévision et estimation
Parcourir le catalogue
par auteur:
Makowski , David , 1972-....
Brun , François
Doutart , Elodie
Duyme , Florent
Rechercher sur Internet
Localiser dans une autre bibliothèque (SUDOC) (PPN ou ISBN ou ISSN)
Aperçu dans Google Books
Affichage MARC
Auteur :
Makowski , David , 1972-....
Brun , François
Doutart , Elodie
Duyme , Florent
Titre :
Data science pour l'agriculture et l'environnement : méthodes et applications avec R et Python , Makowski David (coord.) ; Brun François,..., Doutart Elodie,..., Duyme Florent,... [et al.]
Editeur :
Paris : Ellipses , DL 2021
Description :
1 vol. (256 p.) : ill., couv ill. ; 24 cm
Collection :
Formations & techniques
ISBN:
978-2-340-04577-4 , br.
Notes :
Bibliographie en fin de chapitres
L'objectif de la data science est de répondre à des questions opérationnelles en analysant des données. Dans ce but, le data scientist récupère, stocke, organise, traite une masse d'informations afin d'en tirer de la valeur. Si la data science a acquis une grande renommée dans de nombreux domaines comme la reconnaissance d'images ou la fouille de données sur internet, son utilisation en agriculture et, plus largement dans les sciences environnementales, reste encore limitée. Pourtant, dans ces domaines, le champ des applications possibles est très vaste. Potentiellement, la data science peut être utilisée pour évaluer l'impact des activités humaines sur les risques de pollution et les émissions de gaz à effet de serre, prédire en temps réel les rendements des cultures et la production des systèmes d'élevage, suivre l'évolution de l'usage des sols à partir de données satellitaires, ou prédire l'impact du changement climatique. 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.
Sujet :
R . logiciel
Données -- Récupération (informatique)
Analyse des données
Python (langage de programmation)
Agriculture -- Prévision et estimation
Exemplaires
Pas de données exemplaires
Pour toute question,
contactez la bibliothèque
Horizon Information Portal 3.25_france_v1m© 2001-2019
SirsiDynix
Tous droits réservés.