Titre : |
Data science pour l'agriculture et l'environnement |
Type de document : |
texte imprimé |
Auteurs : |
David Makowski, Directeur de publication, rédacteur en chef ; Brun, Auteur ; Elodie Doutart, Auteur ; Florent Duyme, Auteur |
Année de publication : |
2021 |
Importance : |
1 vol. (256 p.) |
Présentation : |
ill. en noir |
Format : |
24 cm |
ISBN/ISSN/EAN : |
978-2-340-04577-4 |
Langues : |
Français (fre) |
Index. décimale : |
519.7 Analyse de données |
Résumé : |
"La data science a acquis une grande renommée dans de nombreux domaines mais son utilisation en agriculture et, plus largement dans les sciences environnementales, reste encore limitée. Ce manuel d’initiation vise à démocratiser l’usage de la data science pour des applications en lien avec l’agriculture et l’environnement.
L’ouvrage couvre les principales méthodes couramment utilisées pour la prédiction, la classification et le partitionnement de données. Il comporte à la fois des explications détaillées du fonctionnement de chaque méthode, une description de codes R et Python permettant leur utilisation pratique, et des exemples d’applications concrètes en lien avec les sciences agricoles et environnementales." |
Data science pour l'agriculture et l'environnement [texte imprimé] / David Makowski, Directeur de publication, rédacteur en chef ; Brun, Auteur ; Elodie Doutart, Auteur ; Florent Duyme, Auteur . - 2021 . - 1 vol. (256 p.) : ill. en noir ; 24 cm. ISBN : 978-2-340-04577-4 Langues : Français ( fre) Index. décimale : |
519.7 Analyse de données |
Résumé : |
"La data science a acquis une grande renommée dans de nombreux domaines mais son utilisation en agriculture et, plus largement dans les sciences environnementales, reste encore limitée. Ce manuel d’initiation vise à démocratiser l’usage de la data science pour des applications en lien avec l’agriculture et l’environnement.
L’ouvrage couvre les principales méthodes couramment utilisées pour la prédiction, la classification et le partitionnement de données. Il comporte à la fois des explications détaillées du fonctionnement de chaque méthode, une description de codes R et Python permettant leur utilisation pratique, et des exemples d’applications concrètes en lien avec les sciences agricoles et environnementales." |
| ![Data science pour l'agriculture et l'environnement vignette](https://documentation-rouen.unilasalle.fr/images/vide.png) |