Réseaux et télécoms . 4e édition

Découvrez La terminologie Linux enfin claire - Les interfaces graphiques de Linux : GNOME et KDE - Les répertoires et les permissions - Le shell, l'environnement de commandes Linux - La connexion Internet - L'installation et l'utilisation de LibreOffice. Bienvenue dans la communauté du logiciel libre et gratuit ! Vous êtes curieux de découvrir celui qui ose défier le grand manitou de Redmond ? Vous voulez juger par vous-même des performances de ce système dont toute la communauté Linuxienne vante avec ferveur la puissance et la stabilité ? Trop compliqué, trop technique, décidément pas pour vous... Ne soyez pas pétrifié par les GNU, GNOME et GUI que vous croiserez en chemin. L'exploitation de Linux est largement à votre portée. Sont présentées en particulier les deux distributions Fedora et Ubuntu, mais les utilisateurs d'autres distributions pourront l'utiliser sans problème.

Destiné à tous ceux qui veulent s'initier à la programmation, qu'ils soient étudiants, enseignant ou autodidactes, cet ouvrage vous fournira les bases de l'apprentissage de la programmation avec Python 3, langage à la fois simple, puissant et polyvalent. Accompagnée de nombreux exemples, la démarche pédagogique est renforcée par l'usage de la distribution Pyzo et des notebooks Jupyter, outils pédagogiques interactifs qui permettent au lecteur de tester aisément son code et de mettre en oeuvre les connaissances qu'il acquiert. De plus l'usage de la couleur permet de bien faire comprendre les différents éléments qui constituent le code. Outre les 25 exercices corrigés présents dans la version imprimée, cet ouvrage offre une centaine d'autres exercices corrigés accessibles sur le web. Le livre s'appuie sur la version Python 3. 8. Retrouvez sur https : //www. dunod. com/EAN/9782100809141 et sur https : //github. com/lpointal/appbclp : - Les programmes des exercices et des exemples. - Une documentation sur l'installation et l'usage des notebooks Jupyter. - Les exercices corrigés supplémentaires.

Cet ouvrage s'adresse aux étudiants (licences et IUT), ainsi qu'à tous ceux qui souhaitent acquérir des bases solides en programmation. L'ouvrage est structuré en quatre parties : Les bases du langage C : syntaxe, types de données, entréessorties (stdio. h), exécution conditionnelle, structuration d'un programme C, structures, itération. Les structures séquentielles : tableaux, fichiers texte, adresses, pointeurs et passage par adresse, allocation dynamique, chaînes de caractères, fichiers binaires, tableaux à double entrée. Les algorithmes : langage algorithmique et complexité, algorithmes de tri quadratiques, tri rapide (quicksort). Les structures de données : listes chaînées, piles, files, récursivité, arbres binaires, graphes, parcours de graphes, liste d'adjacence. Conçus comme des supports d'apprentissage, les 129 exercices corrigés peuvent être abordés en complément de l'enseignement reçu ou de manière autodidacte.

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.