Big data et machine learning 2ème édition

Cet ouvrage s'adresse à tous ceux qui cherchent à tirer parti de l'énorme potentiel des technologies Big Data, qu'ils soient data scientists, DSI, chefs de projets ou spécialistes métier. Le Big Data s'est imposé comme une innovation majeure pour toutes les entreprises qui cherchent à construire un avantage concurrentiel de l'exploitation de leurs données clients, fournisseurs, produits, processus, etc. Il a en outre permis l'émergence des techniques d'apprentissage automatique (Machine Learning, Deep Learning...) qui ont relancé le domaine de l'intelligence artificielle. Mais quelle solution technique choisir ? Quelles compétences métier développer au sein de la DSI ? Ce livre est un guide pour comprendre les enjeux d'un projet Big Data, en appréhender les concepts sous-jacents et acquérir les compétences nécessaires à la mise en place d'une architecture d'entreprise adaptée. Il combine la présentation : - de notions théoriques (traitement statistique des données, calcul distribué...) ; - des outils les plus répandus ; - d'exemples d'applications, notamment en NLP (Natural Language Processing) ; - d'une organisation typique d'un projet de data science.

François-Régis Chaumartin Pirmin Lemberger LE TRAITEMENT AUTOMATIQUE DES LANGUES Comprendre les textes grâce à l'intelligence artificielle Cet ouvrage s'adresse à tous ceux qui cherchent à tirer parti de l'énorme potentiel des technologies de traitement automatique des langues (natural language processing ou NLP), notamment celles d'analyse sémantique et de fouille de textes (text mining). Il est destiné aux non-spécialistes de l'intelligence artificielle qui brassent au quotidien des textes dans le cadre de leur activité professionnelle. Il sera aussi précieux pour les data scientists, DSI, chefs de projet et consultants qui souhaitent analyser des textes pour en extraire de l'information. Ce livre présente un large panorama de cas d'usages. Il détaille aussi les technologies sous-jacentes, allant des classiques systèmes symboliques aux dernières avancées du machine learning et du deep learning. Combinant la théorie et la pratique, il présente : des applications du traitement du langage ; les bases de la linguistique informatique ; des formalismes de représentation du sens ; les principales tâches de traitement du langage ; les modèles récents de deep learning appliqués au NLP ; l'organisation typique d'un projet de ce type.