Comme parfois la vérité est ailleurs, vous trouverez sur cette page une sélection d’ouvrages et de cours en ligne traitant des sujets abordés sur ce site : traitement des données, statistiques, data science, open data, et d’autres.
Idéal pour découvrir, débuter, aller plus loin et se perfectionner !
[Tweet « #BigData #DataScience #RStats #OpenSource — Une sélection d’ouvrages incontournables »]
Big Data :
- Big Data Fundamentals: Concepts, Drivers & Techniques — Thomas Erl
- Comprendre le Big Data à travers les films de cinéma — ENSAE ParisTech
- Fondamentaux pour le Big Data — Mines Télécom
- Big Data et Machine Learning – 2e éd. – Les concepts et les outils de la data science — Pirmin Lemberger
Technologies
- Initiation à l’écosystème Hadoop: Maîtrisez l’utilisation des technologies Big Data – Juvénal CHOKOGOUE
- Data Science avec Microsoft Azure – Maîtrisez le Machine Learning sur Cortana Intelligence Suite — Madjid KHICHANE
- Hadoop – Devenez opérationnel dans le monde du Big Data — Juvénal CHOKOGOUE
- Créez votre Data Lake — Centrale Supéléc
- Concevez des architectures Big Data — Centrale Supéléc
- Gérez des flux de données en temps réel — Centrale Supéléc
- Réalisez des calculs distribués sur des données massives — Centrale Supéléc
Open source / Linux :
- Reprenez le contrôle à l’aide de Linux – 2e édition — Mathieu Nebra
- Just Enough Linux — Malcolm Maclean
- Just Enough Raspberry Pi — Sam King
Data mining :
- Mining the Social Web: Data Mining Facebook, Twitter, LinkedIn, Google+, GitHub, and More
— Matthew A. Russell - Social Media Mining with R — Nathan Danneman, Richard Heimann
Data sciences (généralités) :
- Data Science : fondamentaux et études de cas — Eric Biernat, Michel Lutz
- The Data Scientist’s Toolbox — Université Johns-Hopkins
- The Art of Data Science— Roger D. Peng and Elizabeth Matsui
- Data Science : cours et exercices — Massih-Reza Amini et al
- Data Mining et Statistique décisionnelle : La science des données — Stéphane Tufféry
- Data science pour l’entreprise: Principes fondamentaux pour développer son activité — Tom Fawcett
- Data science par analyse des données symboliques — Filipe Afonso & al
- Comprendre le Deep Learning: Une introduction aux réseaux de neurones —Jean-Claude Heudin
Open Data :
- L’open data, comprendre l’ouverture des données publiques — Simon Chignard
- Le Big Data des territoires: Smartcities, civitec, services publics... — Jacques Priol
R :
- R pour les débutants — Emmanuel Paradis
- R pour les statophobes — Denis Poinsot
- Effectuez vos études statistiques avec R — Philippe Julien
- Gestion des données avec R — Christophe Lalanne & Bruno Falissard
- R Programming for Data Science — Roger D. Peng
- ggplot2. Elegant Graphics for Data Analysis — Hadley Wickham
- R pour les Data Sciences – Hadley Wickham & Garrett Grolemund
- Exploration de Données et Méthodes Statistiques Data Analysis & Data Mining avec le Logiciel R — Lise Bellanger
Python :
- Programmation Efficace Les 128 Algorithmes Qu’Il Faut Avoir Compris et Codés en Python au Cours de sa Vie – Christoph Dürr & Jill-Jênn Vie
- Data Science par la pratique: Fondamentaux avec Python — Joel Grus
Statistiques :
- Statistiques pour Statophobes — Denis Poinsot
- Statistique. La théorie et ses applications — Michel Lejeune
- Discovering Statistics Using R — Andy Field
- Statistique avec R — Pierre-André Cornillon
- OpenIntro Statistics — David Diez, Mine Cetinkaya-Rundel
- Statitiques appliquées avec introduction au logiciel R — Olivier Marchal
(liste amenée à s’enrichir au fil de nos lectures…)