Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

"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.".

Big data.

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Le numérique imprègne le monde. Dans ses données massives, les mathématiques trouvent des modèles qui, sous condition, font prendre de l'avance sur le présent, voire le futur ; alertes avancées d'épidémie, bannières calculées durant l'affichage des pages web, exposition à certains cancers, fréquentation de congrès, etc. En présentant les principes du Big Data, ses données caractéristiques et en quoi ils diffèrent de ceux de l'informatique, cet ouvrage fait le point sur les technologies, les concepts mathématiques, de machine learning et d'intelligence artificielle ainsi que les postes et compétences nécessaires aux transformations numériques des entreprises et de leurs modèles d'affaires. Un large spectre de cas dans l'industrie, l'aviation, la finance, l'édition musicale, le tourisme, le BTP et la recherche aide à comprendre la singularité des approches Big Data afin de mieux identifier, lancer et focaliser les projets, et de choisir les technologies et les formes organisationnelles adaptées.

Big data.

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Avec 2,5 millions de téraoctets de données produites quotidiennement dans le monde, quelle position adopter face à ce tsunami de data ? Voulons-nous dompter la vague ou nous y noyer ? Arrêtons d'écouter les data évangélistes gorgés de certitudes. Il y a urgence à sortir des idées convenues : à défaut, le citoyen et le consommateur pourraient n'avoir d'autre alternative que de choisir entre des data opaques toutes-puissantes et des croyances fondées sur les seules émotions. Cette question complexe et polymorphe, l'auteur a pris le parti de la traiter globalement dans sa dimension éthique. Se pencher sur la déontologie des data, c'est en effet les sauver d'elles-mêmes et de leurs dérives. Quelles sont les obligations en cette matière ? En l'absence de textes réglementaires spécifiques, la jurisprudence tend à exiger que les données diffusées par les entreprises soient - à l'instar de leurs chiffres financiers - exactes, précises et sincères. Les entreprises et les administrations négligentes s'exposent à des risques de réputation ou de poursuites judiciaires. La prévention de ces risques impose à toute organisation de contrôler la production, l'archivage et la communication des données qu'elle traite. Ce livre est tout à la fois une alerte, un questionnement et le début d'une solution par la création d'une nouvelle discipline, la « datadéontologie », et d'un nouveau métier, le « datadéontologue », dont le présent manuel passe en revue le cahier des charges. Pour éviter que le big data ne tourne au bug data !

Big data --- Data mining --- Big data

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Big data --- Data management

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Alors que tout semble s'accélérer dans nos vies hyperconnectées, la séparation du monde « réel » et du virtuel apparaît de plus en plus caduque. Pour Jonathan Durand Folco et Jonathan Martineau, les changements techniques en cours sont tels que nous sommes entrés dans un nouveau stade du capitalisme : le capital algorithmique. En vingt thèses critiques, ils montrent comment la valorisation des données massives et le déploiement rapide de l'intelligence artificielle s'accompagnent de mutations socioéconomiques et politiques majeures. À la fois dynamique d'accumulation, rapport social et forme inédite de pouvoir basé sur les algorithmes, il s'agit d'une réalité multidimensionnelle qui bouleverse déjà profondément nos vies.Le capital algorithmique permet de relier des phénomènes aussi variés que l'essor des GAFAM, l'extraction de métaux rares, la fragmentation de nos emplois du temps hyperconnectés, les fortunes des Bezos, Musk et Zuckerberg, les tensions américano-chinoises autour de Huawei et TikTok, la prolifération des écrans, le télétravail, Alexa, les cryptomonnaies, les conflits militaires au Congo, les assassinats politiques ciblés par drones, la crise climatique, la pénurie de semi-conducteurs, l'industrie des influenceurs, l'idéologie des « risques existentiels », la livraison en 24 heures… Forger une théorie critique des algorithmes et de l'intelligence artificielle devient urgent et nécessaire pour comprendre les multiples ramifications de la logique algorithmique, ses dispositifs et sa dimension idéologi¬que, mais aussi pour débusquer les relations de pouvoir liées aux nouvelles technologies et comprendre l'économie politique qui les produit.La révolution industrielle a jadis propulsé l'empire du capital au XIXe siècle : les algorithmes et l'intelligence artificielle pourraient avoir le même impact au XXIe siècle. Une thèse ambitieuse qui permet de saisir l'ampleur des transformations et des mutations en cours.

Big data --- Artificial intelligence