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
Science des données
Bases de données
Parcourir le catalogue
par auteur:
Grolemund , Garrett , 19..-....
Wickham , Hadley
Rechercher sur Internet
Localiser dans une autre bibliothèque (SUDOC) (PPN ou ISBN ou ISSN)
Aperçu dans Google Books
Affichage MARC
Auteur :
Grolemund , Garrett , 19..-....
Wickham , Hadley
Titre :
R pour les data sciences : importer, classer, transformer, visualiser et modéliser les données , Garrett Grolemund, Hadley Wickham
Editeur :
Paris : Eyrolles , 2018
Collection :
Collection Blanche
ISBN:
978-2-212-77131-2
2-212-77131-2
Notes :
Description d'après la consultation du 2018-09-13 et modifications du 2019-02-01
Titre provenant de la page de titre du document numérique
La pagination de l'édition imprimée correspondante est de 478 p.
La 4e de couv. indique : "R : le langage de référence pour le big data. 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 complémentaires, et toute bonne analyse doit tenir compte des deux. Inutile d'être un programmeur expert pour être un bon analyste de données, mais apprendre à programmer plus efficacement vous permettra d'automatiser des tâches courantes et de résoudre plus facilement de nouveaux problèmes."
Configuration requise : navigateur internet; lecteur de fichier PDF
URL:
(Accès réservé aux étudiants de l'ENSEA)
http://univ.scholarvox.com.ez-proxy.ensea.fr/book/88861485
Sujet :
R . logiciel
Science des données
Bases de données
Exemplaires
Site
Emplacement
Cote
Type de prêt
Statut
Ensea
Ressources numériques
ENSEA-SCHOLARV
Consultation en ligne
Disponible
Pour toute question,
contactez la bibliothèque
Horizon Information Portal 3.25_france_v1m© 2001-2019
SirsiDynix
Tous droits réservés.