Détail de l'auteur
Auteur Stéphane Tufféry |
Documents disponibles écrits par cet auteur (3)
Affiner la recherche Interroger des sources externes
Data mining et statistique décisionnelle / Stéphane Tufféry
Titre : Data mining et statistique décisionnelle : l'intelligence des données Type de document : texte imprimé Auteurs : Stéphane Tufféry, Auteur Mention d'édition : 3e éd. actualisée et augmentée Editeur : Paris : Ed. Technip Année de publication : 2010 Importance : 705 p. Présentation : graph. Format : 24 cm ISBN/ISSN/EAN : 978271080946 Note générale : La couv. porte en plus : "analyse discriminante, arbres de décision, classification, exploration des..." En appendice, choix de documents Bibliogr. p. 689-699. Index Langues : Français (fre) Mots-clés : Systèmes d'aide à la décision Exploration de données Marketing Recherche Index. décimale : 004 Résumé : Cette nouvelle edition ,revue te augmentée,fait le point sur le data mining,ses méthodes, ses outils et ses applications,qui vont du scoring jusqu'au webmining et au text mining.nombre des ses outils appartiennent à l'alnalyse des données et la statistiques classique (classification automatique,analyse discriminante,regression logestique,models llinéaires généralisés Data mining et statistique décisionnelle : l'intelligence des données [texte imprimé] / Stéphane Tufféry, Auteur . - 3e éd. actualisée et augmentée . - Paris : Ed. Technip, 2010 . - 705 p. : graph. ; 24 cm.
ISSN : 978271080946
La couv. porte en plus : "analyse discriminante, arbres de décision, classification, exploration des..." En appendice, choix de documents Bibliogr. p. 689-699. Index
Langues : Français (fre)
Mots-clés : Systèmes d'aide à la décision Exploration de données Marketing Recherche Index. décimale : 004 Résumé : Cette nouvelle edition ,revue te augmentée,fait le point sur le data mining,ses méthodes, ses outils et ses applications,qui vont du scoring jusqu'au webmining et au text mining.nombre des ses outils appartiennent à l'alnalyse des données et la statistiques classique (classification automatique,analyse discriminante,regression logestique,models llinéaires généralisés Réservation
Réserver ce document
Exemplaires (4)
Code-barres Cote Support Localisation Section Disponibilité 004/039-1 004/039-1 Périodique Bibliothèque Centrale indéterminé Disponible 004/039-2 004/039-2 Périodique Bibliothèque Centrale indéterminé Disponible 004/039-3 004/039-3 Périodique Bibliothèque Centrale indéterminé Disponible 004/039-4 004/039-4 Périodique Bibliothèque Centrale indéterminé Disponible Data mining et statistique décisionnelle / Stéphane Tufféry
Titre : Data mining et statistique décisionnelle : l'intelligence des données Type de document : texte imprimé Auteurs : Stéphane Tufféry, Auteur Mention d'édition : 3e éd. actualisée et augmentée Editeur : Paris : Ed. Technip Année de publication : 2010 Importance : 1 vol. (XX-705 p.) Présentation : graph. Format : 24 cm ISBN/ISSN/EAN : 978-2-7108-0946-3 Note générale : La couv. porte en plus : "analyse discriminante, arbres de décision, classification, exploration des..." En appendice, choix de documents Bibliogr. p. 689-699. Index Langues : Français (fre) Langues originales : Français (fre) Mots-clés : Marketing Recherche Systèmes d'aide à la décision Exploration de données Résumé : Le data tnining et la statistique sont de plus en plus répandus clans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases (le données, qu'elles peuvent utiliser, ppour, expliquer et prévoir les phénomènes qui les concernent (risques, consommation, fidélisation...). Celte troisième édition, actualisée et augmentée de 170 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont (lu scoring jusqu'au tacb mining et au lev mining. Nombre de ces outils appartiennent à l'analyse des données et à la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression régularisée...), mais certains sont plus spécifiques au data mining, compte les arbres (le décision, les réseaux (le neurones, les SVM, l'agrégation (le modèles et la d élection (les règles d'associations. Ces outils sont disponibles (laits des logiciels (le plus en plus puissants et conviviaux. Lit chapitre de l'ouvrage aide d'ailleurs le lecteur à se diriger dans cette offre logic;elle et détaille les fonctionnalités des trois principaux : SAS, IBM SPSS et aussi R, qui bénéficie d'un développement conséquent dans celte troisième édition. Ces logiciels sont aussi utilisés pour illustrer par (les exemples de nombreuses explications théoriques : titre nouvelle partie de 50 pages est consacrée à une étude de cas complète (le credit scoring, qui va de l'exploration (les données jusqu'à l'élaboration de la grille le score. Data mining et statistique décisionnelle : l'intelligence des données [texte imprimé] / Stéphane Tufféry, Auteur . - 3e éd. actualisée et augmentée . - Paris : Ed. Technip, 2010 . - 1 vol. (XX-705 p.) : graph. ; 24 cm.
ISBN : 978-2-7108-0946-3
La couv. porte en plus : "analyse discriminante, arbres de décision, classification, exploration des..." En appendice, choix de documents Bibliogr. p. 689-699. Index
Langues : Français (fre) Langues originales : Français (fre)
Mots-clés : Marketing Recherche Systèmes d'aide à la décision Exploration de données Résumé : Le data tnining et la statistique sont de plus en plus répandus clans les entreprises et les organisations soucieuses d'extraire l'information pertinente de leurs bases (le données, qu'elles peuvent utiliser, ppour, expliquer et prévoir les phénomènes qui les concernent (risques, consommation, fidélisation...). Celte troisième édition, actualisée et augmentée de 170 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont (lu scoring jusqu'au tacb mining et au lev mining. Nombre de ces outils appartiennent à l'analyse des données et à la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression régularisée...), mais certains sont plus spécifiques au data mining, compte les arbres (le décision, les réseaux (le neurones, les SVM, l'agrégation (le modèles et la d élection (les règles d'associations. Ces outils sont disponibles (laits des logiciels (le plus en plus puissants et conviviaux. Lit chapitre de l'ouvrage aide d'ailleurs le lecteur à se diriger dans cette offre logic;elle et détaille les fonctionnalités des trois principaux : SAS, IBM SPSS et aussi R, qui bénéficie d'un développement conséquent dans celte troisième édition. Ces logiciels sont aussi utilisés pour illustrer par (les exemples de nombreuses explications théoriques : titre nouvelle partie de 50 pages est consacrée à une étude de cas complète (le credit scoring, qui va de l'exploration (les données jusqu'à l'élaboration de la grille le score. Réservation
Réserver ce document
Exemplaires (5)
Code-barres Cote Support Localisation Section Disponibilité m8/2448--1 m8/2448 Périodique Mathématiques et 'informatique indéterminé Disponible m8/2448--2 m8/2448 Périodique Mathématiques et 'informatique indéterminé Disponible m8/2448--3 m8/2448 Périodique Mathématiques et 'informatique indéterminé Disponible m8/2448--4 m8/2448 Périodique Mathématiques et 'informatique indéterminé Disponible m8/2448--5 m8/2448 Périodique Mathématiques et 'informatique indéterminé Disponible Etude de cas en statistique décisionnelle / Stéphane Tufféry
Titre : Etude de cas en statistique décisionnelle Type de document : texte imprimé Auteurs : Stéphane Tufféry, Auteur Editeur : Paris : Ed. Technip Année de publication : 2009 Importance : XIII-366 p. Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-7108-0936-4 Note générale : Bibliogr. p. 361-362. Webliogr. p. 363-364. Index Langues : Français (fre) Mots-clés : Data mining descriptif Data mining prédictif Index. décimale : 519 Résumé : Comprendre les principes théoriques de la statistique est une chose ; savoir les mettre en pratique en est une autre, et le fossé peut être large entre les deux. C'est pour vous aider à le franchir que l'auteur a écrit un ouvrage de " travaux pratiques " de la statistique décisionnelle, qui fait suite à son ouvrage de cours, Data Ming et statistique décisionnelle paru dans la même collection. Ce nouvel ouvrage présente une étude de cas réalisée de A à Z à partir du même jeu de données, et répondant de façon complète et cohérente à deux importantes problématiques de la statistique décisionnelle : la construction d'une segmentation de clientèle et l'élaboration d'un score d'appétence à l'achat d'un produit ou la souscription d'un contrat. Les données utilisées sont à la fois réelles et complètes. Elles proviennent du secteur de l'assurance, mais l'étude qu'elles permettent de réaliser peut se transposer à de nombreux autres domaines. Ces données sont disponibles sur Internez, notamment sur le site des Editions Technip où elles sont accompagnées des programmes présentés dans l'ouvrage. Ceci permettra au lecteur de compléter sa lecture par des exercices personnels, par le lest de variantes, mais aussi d'utiliser ces programmes pour les appliquer à ses propres données et ses propres projets. L'étude de cas est menée avec le logiciel SAS, qui est à la fois le plus complet et le plus répandu des logiciels commerciaux, et qui permet de traiter tous les sujets abordés dans l'ouvrage, et même d'optimiser, d'automatiser et d'industrialiser les traitements. Tout au long de l'ouvrage, une bonne partie des procédures classiques de SAS/STAT est passée en revue, mais, au-delà des questions de programmation, nous souhaitons surtout montrer au lecteur qu'il est souhaitable et possible de conjuguer rigueur et productivité. Pour le scoring, les trois principales méthodes de modélisation sont mises en oeuvre et comparées, l'analyse discriminante linéaire, les arbres de décision et la régression logistique, de même que l'agrégation de modèles par bagging. Etude de cas en statistique décisionnelle [texte imprimé] / Stéphane Tufféry, Auteur . - Paris : Ed. Technip, 2009 . - XIII-366 p. : ill. ; 24 cm.
ISBN : 978-2-7108-0936-4
Bibliogr. p. 361-362. Webliogr. p. 363-364. Index
Langues : Français (fre)
Mots-clés : Data mining descriptif Data mining prédictif Index. décimale : 519 Résumé : Comprendre les principes théoriques de la statistique est une chose ; savoir les mettre en pratique en est une autre, et le fossé peut être large entre les deux. C'est pour vous aider à le franchir que l'auteur a écrit un ouvrage de " travaux pratiques " de la statistique décisionnelle, qui fait suite à son ouvrage de cours, Data Ming et statistique décisionnelle paru dans la même collection. Ce nouvel ouvrage présente une étude de cas réalisée de A à Z à partir du même jeu de données, et répondant de façon complète et cohérente à deux importantes problématiques de la statistique décisionnelle : la construction d'une segmentation de clientèle et l'élaboration d'un score d'appétence à l'achat d'un produit ou la souscription d'un contrat. Les données utilisées sont à la fois réelles et complètes. Elles proviennent du secteur de l'assurance, mais l'étude qu'elles permettent de réaliser peut se transposer à de nombreux autres domaines. Ces données sont disponibles sur Internez, notamment sur le site des Editions Technip où elles sont accompagnées des programmes présentés dans l'ouvrage. Ceci permettra au lecteur de compléter sa lecture par des exercices personnels, par le lest de variantes, mais aussi d'utiliser ces programmes pour les appliquer à ses propres données et ses propres projets. L'étude de cas est menée avec le logiciel SAS, qui est à la fois le plus complet et le plus répandu des logiciels commerciaux, et qui permet de traiter tous les sujets abordés dans l'ouvrage, et même d'optimiser, d'automatiser et d'industrialiser les traitements. Tout au long de l'ouvrage, une bonne partie des procédures classiques de SAS/STAT est passée en revue, mais, au-delà des questions de programmation, nous souhaitons surtout montrer au lecteur qu'il est souhaitable et possible de conjuguer rigueur et productivité. Pour le scoring, les trois principales méthodes de modélisation sont mises en oeuvre et comparées, l'analyse discriminante linéaire, les arbres de décision et la régression logistique, de même que l'agrégation de modèles par bagging. Réservation
Réserver ce document
Exemplaires (5)
Code-barres Cote Support Localisation Section Disponibilité 510/536-1 510/536-1 Périodique Bibliothèque Centrale indéterminé Disponible 510/536-2 510/536-2 Périodique Bibliothèque Centrale indéterminé Disponible 510/536-3 510/536-3 Périodique Bibliothèque Centrale indéterminé Disponible 510/536-4 510/536-4 Périodique Bibliothèque Centrale indéterminé Disponible 510/536-5 510/536-5 Périodique Bibliothèque Centrale indéterminé Disponible