Big Data et Machine Learning

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 grâce à l’exploitation de leurs données clients, fournisseurs, produits, processus, machines, etc.
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 (en particulier le Machine Learning) et acquérir les compétences nécessaires à la mise en place d’un data lab.
Il combine la présentation :
• de notions théoriques (traitement statistique des données, calcul distribué...) ;
• des outils les plus répandus (écosystème Hadoop, Storm...) ;
• d’exemples d’applications ;
• d’une organisation typique d’un projet de data science.
Cette deuxième édition est complétée et enrichie par des mises à jour sur les réseaux de neurones et sur le Deep Learning ainsi que sur Spark.

Pirmin Lemberger est consultant senior et responsable de la veille technologique dans le groupe SQLI, ses tribunes paraissent dans 01Business, le JDN ainsi que sur le blog du groupe SQLI. Marc Batty est co-fondateur de Dataiku, éditeur de la solution "Data Science Studio", un environnement complet d'analyse et de développement d'applications prédictives. Médéric Morel est le fondateur et directeur général de Contexeo, éditeur de logiciel dans le domaine de la contextualisation.
Il est l'auteur de 5 ouvrages chez Dunod. Jean-Luc Raffaëlli est directeur de projets stratégiques au sein de la DSI du Groupe La Poste. Il contribue aux différentes déclinaisons SI de la stratégie Business du groupe.