1. Un ouvrage assez pointu sur les techniques d'analyse quantitative des données, un livre pour les spécialistes du sujet.
Science Mining
Fondamentaux et études de cas : Machine learning avec Python et R
Michel Lutz, Eric Biernat
Éditions Eyrolles
294 pages
Dispo :
www.amazon.fr
2. Un ouvrage en français assez intéressant pour bien saisir les techniques du datamining et les applications typiques comme le comportement des consommateurs, l'étude client ou la détection de fraudes pour ne citer que celles-ci.
Data mining
Découverte de connaissances dans les données
de Daniel-T Larose
Vuivert 2ème éd. 2018
392 pages
Dispo :
www.amazon.fr
3. Un ouvrage facile d'accès pour tous ceux dont les notions d'analyses statistiques sont relativement limitées. En effet, cet ouvrage plutôt bien écrit évite l'écueil de l'abus des formules qui rebutent plus d'un lecteur. Cet ouvrage reste pourtant suffisamment documenté et explicite pour que le lecteur puisse se forger une solide connaissance de la question. À noter, ce livre s'appuie sur le toolkit open source Weka.
Data Mining
Practical Machine Learning Tools And Techniques
de I.H. Witten, Eibe Frank
Morgan Kaufmann Publishers 4ème éd. 2016
654 pages
Dispo :
www.amazon.fr & Format Kindle
Data Mining: Concepts and Techniques
de Jiawei Han, Micheline Kamber et Jian Pei
Morgan Kaufmann Publishers
3ème édition révisée 2011
744 pages
Dispo :
www.amazon.fr & Format Kindle
5. Il y a une fichue quantité de données dans cet ouvrage, et c'est votre boulot de mettre du sens dans tout ça. Par où commencer ?
Ce livre n'est pas un catalogue de théories, il va directement au coeur du problème sans aucun détour. Les exemples sont sous Excel et Open Office. C'est un ouvrage pratique. Un ouvrage recommandé ici même s'il est un peu en marge du Data mining.
Data Analysis
de Michael Milton
O'Reilly Media Collection "Head First"
484 pages
Dispo :
www.amazon.fr & Format Kindle
Décider en équipe
Piloter la PME
Bonnes pratiques projet
Le système décisionnel
Voir tous les livres...