| Titre : |
La Data Science pour modéliser les systèmes complexes : Optimiser la prédiction, l'estimation et l'interprétation (Technique et ingénierie) |
| Type de document : |
texte imprimé |
| Auteurs : |
Chautard Alain, Auteur |
| Editeur : |
Paris : Dunod |
| Année de publication : |
2022 |
| Importance : |
210 p. |
| Format : |
24 x 17 cm. |
| ISBN/ISSN/EAN : |
978-2-10-083087-9 |
| Langues : |
Français (fre) |
| Mots-clés : |
Data Science pour modéliser systèmes complexes Optimiser la prédiction l'estimation :interprétation |
| Index. décimale : |
003 |
| Résumé : |
Aujourd’hui, les ingénieurs, les chercheurs, les managers de projets ou de processus ont à leur disposition des quantités de données de plus en plus considérables. Le développement de la Data Science permet d’utiliser celles-ci à des fins de prévision, de pronostic ou d’aide à la décision.
Si les méthodes linéaires de modélisation fonctionnent dans la plupart des environnements, elles présentent d’importants biais dès lors qu’on a affaire à des systèmes complexes comme c’est le cas en météorologie (et pour les phénomènes naturels en général), en physique non linéaire, mais aussi en économétrie ou en finance.
En s’appuyant sur deux cas concrets représentatifs (phénomène naturel, gestion de projet), cet ouvrage montre comment exploiter les données de systèmes complexes pour construire des modèles maîtrisables, exploitables et performants en termes de prédiction, d’estimation et d’interprétation. |
La Data Science pour modéliser les systèmes complexes : Optimiser la prédiction, l'estimation et l'interprétation (Technique et ingénierie) [texte imprimé] / Chautard Alain, Auteur . - Paris : Dunod, 2022 . - 210 p. ; 24 x 17 cm. ISBN : 978-2-10-083087-9 Langues : Français ( fre)
| Mots-clés : |
Data Science pour modéliser systèmes complexes Optimiser la prédiction l'estimation :interprétation |
| Index. décimale : |
003 |
| Résumé : |
Aujourd’hui, les ingénieurs, les chercheurs, les managers de projets ou de processus ont à leur disposition des quantités de données de plus en plus considérables. Le développement de la Data Science permet d’utiliser celles-ci à des fins de prévision, de pronostic ou d’aide à la décision.
Si les méthodes linéaires de modélisation fonctionnent dans la plupart des environnements, elles présentent d’importants biais dès lors qu’on a affaire à des systèmes complexes comme c’est le cas en météorologie (et pour les phénomènes naturels en général), en physique non linéaire, mais aussi en économétrie ou en finance.
En s’appuyant sur deux cas concrets représentatifs (phénomène naturel, gestion de projet), cet ouvrage montre comment exploiter les données de systèmes complexes pour construire des modèles maîtrisables, exploitables et performants en termes de prédiction, d’estimation et d’interprétation. |
|  |
Affiner la recherche Interroger des sources externesLa Data Science pour modéliser les systèmes complexes : Optimiser la prédiction, l'estimation et l'interprétation (Technique et ingénierie) / Chautard Alain
