Détail de l'éditeur
Technip
localisé à :
Paris
Collections rattachées :
|
Documents disponibles chez cet éditeur
Affiner la recherche Interroger des sources externes
Titre : Les biocarburants : état des lieux, perspectives et enjeux du développement Type de document : texte imprimé Auteurs : Daniel Ballerini, Auteur Editeur : Paris : Technip Année de publication : 2006 Collection : IFP publications Importance : 1 vol. (XXVIII-348 p.) Présentation : ill., couv. ill. en coul. Format : 24 cm ISBN/ISSN/EAN : 978-2-7108-0869-5 Langues : Français (fre) Index. décimale : 662.88 Biomasse utilisée comme combustible (technologie) Résumé : Quatrième de couverture : Dans un contexte de prix élevé du pétrole, le développement de technologies et de systèmes énergétiques durables pour le secteur des transports devient une priorité.
Ceci afin de diminuer la dépendance au pétrole de nos sociétés et de réduire la pollution de notre environnement, en particulier les rejets de gaz à effet de serre. Parmi les solutions économiquement possibles, les biocarburants offrent de solides perspectives d'avenir. Cet ouvrage présente les enjeux du développement des bio-carburants et dresse un état exhaustif de leur production et de leur consommation dans le monde, en précisant notamment la disponibilité des ressources végétales utiles à leur fabrication.
Il décrit les filières de production et, pour chacune d'elle, détaille les technologies utilisées, les aspects économiques et environnementaux des processus et les caractéristiques des produits élaborés. Tourné vers l'avenir, il s'attache aussi à la présentation des nouvelles filières en développement qui utilisent la biomasse lignocellulosique (résidus agricoles et forestiers, sous-produits de transformation du bois, cultures dédiées) comme matière première.
Ce livre intéressera les industriels du transport, les raffineurs, les forestiers, l'univers agricole et l'industrie agro-alimentaire, mais également les pouvoirs publics, les étudiants, professeurs et chercheurs du monde universitaire.Note de contenu : 1/La place des biocarburants dans le contexte énergétique mondial
2/L'éthanol et l'ETBE
3/Les esters d'huiles végétales
4/Les ressources en biomasse lignocellulosique
5/La transformation de la biomasse lignocellulosique par voie thermochimique
6/La transformation de la biomasse lignocellulosique par voie biochimique
7/Les bilans économiques et environnementaux des filières de production de biocarburantsLes biocarburants : état des lieux, perspectives et enjeux du développement [texte imprimé] / Daniel Ballerini, Auteur . - Paris : Technip, 2006 . - 1 vol. (XXVIII-348 p.) : ill., couv. ill. en coul. ; 24 cm. - (IFP publications) .
ISBN : 978-2-7108-0869-5
Langues : Français (fre)
Index. décimale : 662.88 Biomasse utilisée comme combustible (technologie) Résumé : Quatrième de couverture : Dans un contexte de prix élevé du pétrole, le développement de technologies et de systèmes énergétiques durables pour le secteur des transports devient une priorité.
Ceci afin de diminuer la dépendance au pétrole de nos sociétés et de réduire la pollution de notre environnement, en particulier les rejets de gaz à effet de serre. Parmi les solutions économiquement possibles, les biocarburants offrent de solides perspectives d'avenir. Cet ouvrage présente les enjeux du développement des bio-carburants et dresse un état exhaustif de leur production et de leur consommation dans le monde, en précisant notamment la disponibilité des ressources végétales utiles à leur fabrication.
Il décrit les filières de production et, pour chacune d'elle, détaille les technologies utilisées, les aspects économiques et environnementaux des processus et les caractéristiques des produits élaborés. Tourné vers l'avenir, il s'attache aussi à la présentation des nouvelles filières en développement qui utilisent la biomasse lignocellulosique (résidus agricoles et forestiers, sous-produits de transformation du bois, cultures dédiées) comme matière première.
Ce livre intéressera les industriels du transport, les raffineurs, les forestiers, l'univers agricole et l'industrie agro-alimentaire, mais également les pouvoirs publics, les étudiants, professeurs et chercheurs du monde universitaire.Note de contenu : 1/La place des biocarburants dans le contexte énergétique mondial
2/L'éthanol et l'ETBE
3/Les esters d'huiles végétales
4/Les ressources en biomasse lignocellulosique
5/La transformation de la biomasse lignocellulosique par voie thermochimique
6/La transformation de la biomasse lignocellulosique par voie biochimique
7/Les bilans économiques et environnementaux des filières de production de biocarburantsRéservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 0012800030089 662.88 BAL Ouvrage Centre de documentation UniLasalle/ Campus Rouen Salle de lecture Sorti jusqu'au 10/01/2013
Titre : Biofuels : Illusion or reality ? The european experience Type de document : texte imprimé Auteurs : Antonino Furfari, Auteur Editeur : Paris : Technip Année de publication : 2008 Importance : 137 p. ISBN/ISSN/EAN : 978-2-7108-0920-3 Prix : 15 EUR Langues : Anglais (eng) Index. décimale : 662.88 Biomasse utilisée comme combustible (technologie) Note de contenu :
ISBN : 978-2-7108-0920-3 : 15 EUR
Langues : Anglais (eng)
Index. décimale : 662.88 Biomasse utilisée comme combustible (technologie) Note de contenu : Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 0012800012138 662.88 FUR Ouvrage Centre de documentation UniLasalle/ Campus Rouen Salle de lecture Disponible
Titre : Data mining et statistique décisionnelle : l'intelligence des données Type de document : texte imprimé Auteurs : Stéphane Tufféry, Auteur Mention d'édition : Nouvelle édition revue et augmentée Editeur : Paris : Technip Année de publication : 2007 Importance : 1 vol. (XIX-533 p.) Présentation : ill. en noir et blanc, fig., couv. en coul. Format : 25 cm ISBN/ISSN/EAN : 978-2-7108-0888-6 Prix : 55,00 EUR Langues : Français (fre) Catégories : Analyse de données
Base de données
Traitement des donnéesSystematic handling, manipulation, and computation of data, always involving the use of computers. Do not confuse with "information processing".Index. décimale : 519.5 Statistiques et probabilités Résumé : Quatrième de couverture : Le data mining et la statistique sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente cachée dans leurs bases de données, en vue d'expliquer et de prévoir.
Cette nouvelle édition, revue et augmentée de 160 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au web mining et au text mining. Nombre de ces outils appartiennent à l'analyse des données et la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés,...) mais certains sont plus spécifiques au data mining, comme les antres de décision, les réseaux de neurones, les SVM, le boosting, etc.
Tous sont disponibles dans des logiciels de plus en plus puissants et conviviaux : un chapitre aide d'ailleurs le lecteur a se diriger dans cette offre logicielle fournie et dresse un comparatif très approfondi des deux leaders, SAS et SPSS. L'utilisation des logiciels et l'interprétation des résultats sont illustrées par de nombreux exemples conduits avec SAS. SPSS et R. Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, l'intégration dans le marketing de bases de données, le Calcul du retour sur investissement, les interfaces informatiques, sans oublier les contraintes juridiques dés que l'on traite des données à caractère personnel.Note de contenu : 1/Panorama du data mining
2/Le déroulement d'une étude de data mining
3/ L'exploration et la préparation des données
4/L'utilisation des données commerciales
5/ Aperçu sur les techniques de data mining
6/L'analyse factorielle
7/Les réseaux de neurones
8/Les techniques de classification automatique
9/La recherche d'associations
10/Les techniques de classement et de prédiction
11/Une application du data mining : le scoring
12/Les facteurs de succès d'un projet de data mining
13/ Les logiciels de statistique et data mining
14/Le text mining
15/Le web mining
Annexes
Bibliographie.Data mining et statistique décisionnelle : l'intelligence des données [texte imprimé] / Stéphane Tufféry, Auteur . - Nouvelle édition revue et augmentée . - Paris : Technip, 2007 . - 1 vol. (XIX-533 p.) : ill. en noir et blanc, fig., couv. en coul. ; 25 cm.
ISBN : 978-2-7108-0888-6 : 55,00 EUR
Langues : Français (fre)
Catégories : Analyse de données
Base de données
Traitement des donnéesSystematic handling, manipulation, and computation of data, always involving the use of computers. Do not confuse with "information processing".Index. décimale : 519.5 Statistiques et probabilités Résumé : Quatrième de couverture : Le data mining et la statistique sont de plus en plus répandus dans les entreprises et les organisations soucieuses d'extraire l'information pertinente cachée dans leurs bases de données, en vue d'expliquer et de prévoir.
Cette nouvelle édition, revue et augmentée de 160 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu'au web mining et au text mining. Nombre de ces outils appartiennent à l'analyse des données et la statistique classique (classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés,...) mais certains sont plus spécifiques au data mining, comme les antres de décision, les réseaux de neurones, les SVM, le boosting, etc.
Tous sont disponibles dans des logiciels de plus en plus puissants et conviviaux : un chapitre aide d'ailleurs le lecteur a se diriger dans cette offre logicielle fournie et dresse un comparatif très approfondi des deux leaders, SAS et SPSS. L'utilisation des logiciels et l'interprétation des résultats sont illustrées par de nombreux exemples conduits avec SAS. SPSS et R. Les aspects méthodologiques vont de la conduite des projets jusqu'aux facteurs de réussite et aux pièges à éviter, en passant par l'évaluation et la comparaison des modèles, l'intégration dans le marketing de bases de données, le Calcul du retour sur investissement, les interfaces informatiques, sans oublier les contraintes juridiques dés que l'on traite des données à caractère personnel.Note de contenu : 1/Panorama du data mining
2/Le déroulement d'une étude de data mining
3/ L'exploration et la préparation des données
4/L'utilisation des données commerciales
5/ Aperçu sur les techniques de data mining
6/L'analyse factorielle
7/Les réseaux de neurones
8/Les techniques de classification automatique
9/La recherche d'associations
10/Les techniques de classement et de prédiction
11/Une application du data mining : le scoring
12/Les facteurs de succès d'un projet de data mining
13/ Les logiciels de statistique et data mining
14/Le text mining
15/Le web mining
Annexes
Bibliographie.Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire
Titre : Data mining et statistiques décisionnelle : La science des données Type de document : texte imprimé Auteurs : Stéphane Tufféry, Auteur ; Gilbert Saporta, Préfacier, etc. Mention d'édition : 5eme édition Editeur : Paris : Technip Année de publication : 2017 Importance : 1 vol. (XX-913 p.) Présentation : ill., graph., tableaux, couv. ill. en coul. Format : 24 cm ISBN/ISSN/EAN : 978-2-7108-1180-0 Langues : Français (fre) Catégories : Analyse de données
StatistiqueUse when referring to the science of statistics. For collections of statistics, use "statistical data", or more specific descriptor, e.g. "educational statistics", etc.Index. décimale : 519.5 Statistiques et probabilités Résumé : Présentation de l'éditeur : "Le data mining et la data science sont de plus en plus répandus dans les entreprises et les organisations soucieuses d’extraire l’information pertinente de leurs bases de données, qu’elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, production, consommation, fidélisation…).
Cette cinquième édition, actualisée et augmentée de 90 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu’au text mining, objet d’un chapitre complètement remanié. Nombre de ses outils appartiennent à l’analyse des données et à la statistique « classiques » (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée, régression clusterwise…) mais certains sont plus spécifiques au data mining, comme les réseaux de neurones, les algorithmes génétiques, les SVM, les arbres de décision, les forêts aléatoires, le boosting et la détection des règles d’associations. Les avancées les plus récentes du machine learning et les applications les plus actuelles des Big Data sont présentées, qui vont des algorithmes de reconnaissance d’image aux méthodes de plongement de mots en text mining. Les chapitres sur les réseaux de neurones et les SVM sont illustrés par la reconnaissance de l’écriture manuscrite.
Ces outils sont disponibles dans des logiciels de plus en plus puissants et complets, à commencer par le logiciel libre R, que nous comparons en détail aux logiciels SAS et IBM SPSS dans un chapitre spécifique. Ces logiciels sont utilisés pour illustrer par des exemples précis les explications théoriques données.
Les aspects méthodologiques vont de la conduite des projets jusqu’aux facteurs de réussite et aux pièges à éviter, en passant par l’évaluation et la comparaison des modèles, leur intégration dans les processus opérationnels. Un chapitre est consacré à une étude de cas complète de credit scoring, de l’exploration des données jusqu’à l’élaboration de la grille de score."Note de contenu : 1. Panorama du data mining et de la data science. 2. Le déroulement d’une étude de data mining. 3. L’exploration et la préparation des données. 4. L’utilisation des données commerciales et géodémographiques. 5. Les logiciels de statistique, de data mining et machine learning. 6. Panorama des méthodes de statistique et de data mining. 7. L’analyse factorielle. 8. Les réseaux de neurones artificiels. 9. Les méthodes de classification automatique. 10. La détection des règles d’associations. 11. Les méthodes de classement et de régression. 12. L’analyse discriminante linéraire et ses généralisations. 13. Le modèle linéaire et ses généralisations. 14. Le modèle logistique et ses généralisations. 15. Les arbres de décisions. 16. Les autres modèles prédictifs. 17. Les méthodes d’agrégation de modèles. 18. Une application du data mining : le scoring. 19. Les facteurs de succès d’un projet de data mining. 20. Le text mining. 21. Le web mining. Annexes. Bibliographie. Index. Data mining et statistiques décisionnelle : La science des données [texte imprimé] / Stéphane Tufféry, Auteur ; Gilbert Saporta, Préfacier, etc. . - 5eme édition . - Paris : Technip, 2017 . - 1 vol. (XX-913 p.) : ill., graph., tableaux, couv. ill. en coul. ; 24 cm.
ISBN : 978-2-7108-1180-0
Langues : Français (fre)
Catégories : Analyse de données
StatistiqueUse when referring to the science of statistics. For collections of statistics, use "statistical data", or more specific descriptor, e.g. "educational statistics", etc.Index. décimale : 519.5 Statistiques et probabilités Résumé : Présentation de l'éditeur : "Le data mining et la data science sont de plus en plus répandus dans les entreprises et les organisations soucieuses d’extraire l’information pertinente de leurs bases de données, qu’elles peuvent utiliser pour expliquer et prévoir les phénomènes qui les concernent (risques, production, consommation, fidélisation…).
Cette cinquième édition, actualisée et augmentée de 90 pages, fait le point sur le data mining, ses méthodes, ses outils et ses applications, qui vont du scoring jusqu’au text mining, objet d’un chapitre complètement remanié. Nombre de ses outils appartiennent à l’analyse des données et à la statistique « classiques » (analyse factorielle, classification automatique, analyse discriminante, régression logistique, modèles linéaires généralisés, régression pénalisée, régression clusterwise…) mais certains sont plus spécifiques au data mining, comme les réseaux de neurones, les algorithmes génétiques, les SVM, les arbres de décision, les forêts aléatoires, le boosting et la détection des règles d’associations. Les avancées les plus récentes du machine learning et les applications les plus actuelles des Big Data sont présentées, qui vont des algorithmes de reconnaissance d’image aux méthodes de plongement de mots en text mining. Les chapitres sur les réseaux de neurones et les SVM sont illustrés par la reconnaissance de l’écriture manuscrite.
Ces outils sont disponibles dans des logiciels de plus en plus puissants et complets, à commencer par le logiciel libre R, que nous comparons en détail aux logiciels SAS et IBM SPSS dans un chapitre spécifique. Ces logiciels sont utilisés pour illustrer par des exemples précis les explications théoriques données.
Les aspects méthodologiques vont de la conduite des projets jusqu’aux facteurs de réussite et aux pièges à éviter, en passant par l’évaluation et la comparaison des modèles, leur intégration dans les processus opérationnels. Un chapitre est consacré à une étude de cas complète de credit scoring, de l’exploration des données jusqu’à l’élaboration de la grille de score."Note de contenu : 1. Panorama du data mining et de la data science. 2. Le déroulement d’une étude de data mining. 3. L’exploration et la préparation des données. 4. L’utilisation des données commerciales et géodémographiques. 5. Les logiciels de statistique, de data mining et machine learning. 6. Panorama des méthodes de statistique et de data mining. 7. L’analyse factorielle. 8. Les réseaux de neurones artificiels. 9. Les méthodes de classification automatique. 10. La détection des règles d’associations. 11. Les méthodes de classement et de régression. 12. L’analyse discriminante linéraire et ses généralisations. 13. Le modèle linéaire et ses généralisations. 14. Le modèle logistique et ses généralisations. 15. Les arbres de décisions. 16. Les autres modèles prédictifs. 17. Les méthodes d’agrégation de modèles. 18. Une application du data mining : le scoring. 19. Les facteurs de succès d’un projet de data mining. 20. Le text mining. 21. Le web mining. Annexes. Bibliographie. Index. Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité GEN000000000004 519.5 TUF Ouvrage Centre de documentation UniLasalle/ Campus Rouen Salle de lecture Disponible
Titre : Dictionnaire des sciences de la Terre : anglais-français, français-anglais ; english-french, french-english Titre original : Comprehensive dictionary of Earth science Type de document : texte imprimé Auteurs : Magdeleine Moureau, Auteur ; Gerald Brace, Auteur Editeur : Paris : Technip Année de publication : 1999 Collection : Publications de l'Institut français du pétrole Importance : 1 vol. (XXIX-1096 p.) Format : 25 cm ISBN/ISSN/EAN : 978-2-7108-0749-0 Prix : 970 F Langues : Français (fre) Index. décimale : 551 Géologie et hydrologie Dictionnaire des sciences de la Terre = Comprehensive dictionary of Earth science : anglais-français, français-anglais ; english-french, french-english [texte imprimé] / Magdeleine Moureau, Auteur ; Gerald Brace, Auteur . - Paris : Technip, 1999 . - 1 vol. (XXIX-1096 p.) ; 25 cm. - (Publications de l'Institut français du pétrole) .
ISBN : 978-2-7108-0749-0 : 970 F
Langues : Français (fre)
Index. décimale : 551 Géologie et hydrologie Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 0012800014055 551 MOU Ouvrage Centre de documentation UniLasalle/ Campus Rouen Salle de lecture Disponible PermalinkPermalinkPermalinkPermalinkPermalink
