Data Science : fondamentaux et études de cas

Nous vivons une époque très excitante, qui ramène l'analyse de données et les
méthodes quantitatives au coeur de la société. L'aboutissement de nombreux
projets de recherche, la puissance de calcul informatique disponible et des
données à profusion permettent aujourd'hui d'incroyables réalisations, grâce
au travail des data scientists.

#### Un livre de référence pour les data scientists

La data science est l'art de traduire des problèmes industriels, sociaux,
scientifiques, ou de toute autre nature, en problèmes de modélisation
quantitative, pouvant être résolus par des algorithmes de traitement de
données. Cela passe par une réflexion structurée, devant faire en sorte que se
rencontrent problèmes humains, outils techniques/informatiques et méthodes
statistiques/algorithmiques. Chaque projet de data science est une petite
aventure, qui nécessite de partir d'un problème opérationnel souvent flou, à
une réponse formelle et précise, qui aura des conséquences réelles sur le
quotidien d'un nombre plus ou moins important de personnes.

Éric Biernat et Michel Lutz proposent de vous guider dans cette aventure. Ils
vous feront visiter les vastes espaces de la data science moderne, de plus en
plus présente dans notre société et qui fait tant parler d'elle, parfois par
l'intermédiaire d'un sujet qui lui est corollaire, les big data.

#### Des études de cas pour devenir kaggle master

Loin des grands discours abstraits, les auteurs vous feront découvrir,
claviers à la main, les pratiques de leur métier de data scientist chez OCTO
Technology, l'un des leaders français du domaine. Et vous mettrez également la
main à la pâte : avec juste ce qu'il faut de théorie pour comprendre ce
qu'impliquent les méthodes mathématiques utilisées, mais surtout avec votre
ordinateur personnel, quelques logiciels gratuits et puissants, ainsi qu'un
peu de réflexion, vous allez participer activement à cette passionnante
exploration !

#### À qui s'adresse cet ouvrage ?

Aux développeurs, statisticiens, étudiants et chefs de projets ayant à
résoudre des problèmes de data science.

Aux data scientists, mais aussi à toute personne curieuse d'avoir une vue
d'ensemble de l'état de l'art du machine learning.