G14243 data 01

Data Science : fondamentaux et études de cas

Machine Learning avec Python et R
Eric Biernat, Michel Lutz

Nous vivons une époque très excitante, qui ramène l’analyse de données et les méthodes quantitatives au cœur 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. 

Cet ouvrage, rédigé par Eric Biernat et Michel Lutz, est paru aux éditions Eyrolles le 1er octobre 2015. Ils sont tous les deux sont impliqués dans l'activité Big Data Analytics chez OCTO et actifs sur la plateforme Kaggle dédiée aux Data Scientists. Développeurs, statisticiens, étudiants , chefs de projets ou encore Data Scientists, cet ouvrage s'adresse à toute personne curieuse d’avoir une vue d’ensemble de l’état de l’art du machine learning.


Préface signée par Yann LeCun, Directeur de Facebook Artificial Intelligence Research. 

Description de l'ouvrage

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. Eric 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.  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.

A propos de l'auteur

Eric Biernat

Eric dirige l’activité Big Data Analytics chez OCTO Technology.  Il a embrassé le mouvement Big Data Analytics en 2011 et ne l’a plus lâché depuis, en accompagnant ses clients qui souhaitent tirer profit des opportunités offertes par cette science. Kaggle master, Eric s’illustre régulièrement lors de compétitions de data science et intervient dans de nombreux cycles de conférences sur la thématique des big data, dans la presse spécialisée ou auprès de comités exécutifs. 


Michel Lutz

Suite à un parcours initial en gestion et finance, Michel Lutz s’est lancé un nouveau challenge en soutenant une thèse de doctorat en génie industriel. Durant ses années de recherche, visant à utiliser des méthodes de mathématiques appliquées dans un contexte industriel, il a développé une certaine orthodoxie statistique qui a été bien bousculée lorsqu’il a découvert le monde de la data science. Désormais, il se plonge avec enthousiasme dans les techniques de machine learning grâce à son activité de consultant chez OCTO Technology.