Livres en français

Le Big Data est désormais bien établi ! Il a atteint son paroxysme ces dernières années avec les objets connectés, l'intégration des capteurs dans les objet de la vie courante (voiture, réfrigérateur, télévision, etc.). Ces objets produisent des données en streaming. Beaucoup de cas d'usage et de modèles économiques s'appuient aujourd'hui sur des données générées en streaming. Cet ouvrage est un manuel didactique qui a pour but de vous aider à développer les compétences de base nécessaires pour valoriser les données produites en streaming.

Il vous aidera à atteindre trois objectifs majeurs :

comprendre les concepts et notions indispensables pour aborder avec aisance la gestion des données streaming, notamment la sémantique de livraison des messages (Exactement-Une Fois, Au-Moins-Une-Fois, Au-PlusUne-Fois), la sémantique de traitement, le domaine temporel, l’idempotence, le persistance anticipée de messages (Write Ahead Logging), la sémantique de résultat, les bus d’événements, les systèmes de messageries Publish/Subscribe, le fenêtrage, le micro-batch, les états, les modèles de collecte de données streaming, la cohérence streaming, la diffusion atomique, etc.
appréhender et mettre en œuvre les architectures nécessaires pour ingérer efficacement les données générées en streaming, notamment le Data Lake, les bus d'événements, les architectures Lambda, les architectures kappa, et les architectures hybrides ;
apprendre les technologies de l'écosystème Hadoop dédiées à l’ingestion et au traitement des données produites en streaming, notamment Apache Kafka, Spark Streaming, Flume, Apache Samza, Apache Storm et S4.

L'ouvrage est un kit d’apprentissage technique. Il a été rédigé uniquement à l’endroit de cinq types de profls :

Le consultant ou freelance, qui veut aiguiser ses compétences BI/Big Data, en y rajoutant l’aspect streaming ;
Le Data Scientist, qui veut développer des modèles de "Machine Learning streaming" ;
L’architecte, qui veut comprendre les architectures des systèmes streaming et comment celles-ci s’intègrent dans le SI global d’une entreprise ;
Le développeur, qui souhaite développer des applications streaming à large échelle ;
et le Manager, qui veut développer une vision holistique sur la façon de capitaliser les données des projets streaming ;

Pour faciliter la compréhension de l ouvrage, chaque chapitre s achève par un rappel des points clés et un guide d étude qui permettent au lecteur de consolider ses acquis. En bonus pour vous, l'ouvrage est offert avec une mini-formation gratuite composée de 3 sessions de cours -vidéo sur le streaming librement téléchargeable sur le site web suivant : https://www.data-transitionnumerique.com/bonus_formation_streaming

Cet ouvrage traite de façon détaillée mais non technique les principes fondamentaux de la data science. Tout au long d'un processus de "raisonnement orienté données", il vous guidera pour acquérir des connaissances utiles et extraire une valeur économique des données que vous collectez. L'apprentissage de la data science vous permettra de comprendre les nombreuses techniques de data mining utilisées aujourd'hui. Ces principes sous-tendent tous les processus et stratégies de data mining qui servent à résoudre des problèmes d'entreprise.

"Ce livre est bien plus qu'une introduction à l'analyse de données. C'est un guide essentiel pour ceux d'entre nous (nous tous ?) qui ont entièrement fondé leur entreprise sur l'ubiquité des données et la nécessité, aujourd'hui, de la prise de décision orientée données." Tom Phillips, PDG, Dstillery ; ex-Directeur de Google Search and Analytics.

"Les auteurs de ce livre, tous deux experts en data science avant même que la discipline soit nommée ainsi, présentent ici un sujet complexe en le rendant accessible à tous les niveaux. Cet ouvrage est une première du genre : il se concentre sur les concepts de la data science tels qu'ils doivent être appliqués aux problèmes concrets des entreprises. Il est rempli de captivants exemples réels qui illustrent les pro- blèmes courants auxquels les entreprises sont confrontées : l'attrition client, le marketing ciblé, et même une analyse des données sur les whiskies ! Ce livre se distingue par le fait qu'il n'est pas un traité d'algorithmique. Les auteurs ont pour objectif d'aider le lecteur à comprendre les concepts sous-jacents de la data science, mais également et surtout ils expliquent comment aborder un problème de data science et mettre au point une solution qui marche. Si vous avez besoin d'un aperçu complet de la data science, ou si vous êtes un data scientist en herbe qui veut maîtriser les bases de la discipline, ce livre est un indispensable pour vous." – Chris Volinsky, Directeur, Statistics Research,
AT&T Labs, Gagnant du Netflix Challenge à 1 M$.

Un ouvrage de référence pour les (futurs) data scientists.

Les bibliothèques, les frameworks, les modules et les boîtes à outils sont parfaits pour faire de la data science. Ils sont aussi un bon moyen de plonger dans la discipline sans comprendre la data science. Dans cet ouvrage, vous apprendrez comment fonctionnent les outils et algorithmes les plus fondamentaux de la data science, en les réalisant à partir de zéro.

Si vous êtes fort en maths et que vous connaissez la programmation, l'auteur, Joël Grus, vous aidera à vous familiariser avec les maths et les statistiques qui sont au coeur de la data science et à acquérir les compétences informatiques indispensables pour démarrer comme data scientist. La profusion des données d'aujourd'hui contient les réponses aux questions que personne n'a encore pensé à poser. Ce livre vous enseigne comment obtenir ces réponses.

Suivez un cours accéléré de Python.
Apprenez les fondamentaux de l'algèbre linéaire, des statistiques et des probabilités, et comprenez comment et quand les utiliser en data science.
Collectez, explorez, nettoyez, bricolez et manipulez les données.
Plongez dans les bases de l'apprentissage automatique.
Implémentez des modèles comme les k plus proches voisins, le Bayes naïf, les régressions linéaire ou logistique, les arbres de décision, les réseaux neuronaux et le clustering.
Explorez les systèmes de recommandation, le traitement du langage naturel, l'analyse de réseau, MapReduce et les bases de données.

A qui s'adresse cet ouvrage ?
Aux développeurs, statisticiens, étudiants et chefs de projet ayant à résoudre des problèmes de data science.
Aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art de ce métier du futur.

L'explosion de données qui caractérise le monde dans lequel nous vivons actuellement a entraîné un foisonnement de problématiques qui nécessitent des réponses technologiques aussi différentes les unes que les autres. Hadoop est le socle technologique de stockage et de traitement de ces données, mais n'est pas à lui seul capable de répondre à toutes ces problématiques. C'est pourquoi un ensemble de technologies, l'écosystème Hadoop, a été développé. On peut citer dans cet écosystème des technologies comme SPARK, TEZ, YARN, Lucene, HBase, Accumulo, Kafka, ou encore Storm. La fondation Apache est aujourd'hui le dépositaire de cet écosystème. La particularité d'Hadoop et de son écosystème technologique est qu'ils s'appuient sur des approches conceptuelles et techniques différentes de celles sur lesquelles les technologies traditionnelles sont fondées. Ces approches n'ont pour la plupart jamais été étudiées de façon sérieuse au cours des formations des professionnels de la génération actuelle et sont rarement abordées, même dans des tutoriels. Combinez à cela le rythme d'innovation soutenue d'Hadoop et des technologies de la Big Data en général et vous vous retrouvez rapidement sur un marché avec une forte divergence entre le niveau d'innovation technologique et les compétences autour de ces innovations. L'ouvrage est un manuel d'apprentissage pratique qui aide à monter en compétences sur toutes les technologies centrales de l'écosystème Hadoop. L'ouvrage atteint trois objectifs :

• faire monter en compétence sur toutes les technologies centrales de l'écosystème Hadoop, entre autres : MapReduce, SPARK, TEZ, LUCENE, ELASTICSEARCH, IMPALA, HBASE, Storm, Phoenix, etc. ;
• aider à maîtriser les principes et les approches conceptuelles qui sont à la base des technologies de l'écosystème Hadoop ;
• rendre capable d'identifier la portée fonctionnelle de chacune des technologies de l'écosystème Hadoop

.

Des bases pour la performance et le Big Data

En quelques années, le volume des données brassées par les entreprises a considérablement augmenté. Émanant de sources diverses (transactions, comportements, réseaux sociaux, géolocalisation...), elles sont souvent structurées autour d'un seul point d'entrée, la clé, et susceptibles de croître très rapidement. Autant de caractéristiques qui les rendent très difficiles à traiter avec des outils classiques de gestion de données. Par ailleurs, l'analyse de grands volumes de données, ce qu'on appelle le Big Data, défie également les moteurs de bases de données traditionnels.

C'est pour répondre à ces différentes problématiques que sont nées les bases de données NoSQL (Not Only SQL), sous l'impulsion de grands acteurs du Web comme Facebook ou Google, qui les avaient développées à l'origine pour leurs besoins propres. Grâce à leur flexibilité et leur souplesse, ces bases non relationnelles permettent en effet de gérer de gros volumes de données hétérogènes sur un ensemble de serveurs de stockage distribués, avec une capacité de montée en charge très élevée. Elles peuvent aussi fournir des accès de paires clé-valeur en mémoire avec une très grande célérité. Réservées jusqu'à peu à une minorité, elles tendent aujourd'hui à se poser en complément du modèle relationnel qui dominait le marché depuis plus de 30 ans.

Du choix de la base NoSQL à sa mise en oeuvre

Cet ouvrage d'une grande clarté dresse un panorama complet des bases de données NoSQL, en analysant en toute objectivité leurs avantages et inconvénients. Dans une première partie, il présente les grands principes de ces bases non relationnelles : interface avec le code client, architecture distribuée, paradigme MapReduce, etc.

Il détaille ensuite dans une deuxième partie les principales solutions existantes (les solutions de Big Data autour de Hadoop, MongoDB, Cassandra, Couchbase Server...), en précisant spécificités, forces et faiblesses de chacune. Complétée par une étude de cas réel, la dernière partie du livre est consacrée au déploiement concret de ces bases : dans quel cas passer au NoSQL ? quelle base adopter selon ses besoins ? quelles données basculer en NoSQL ? comment mettre en place une telle base ? comment la maintenir et superviser ses performances ?

Souvent qualifiée de Big Data, l'explosion des données qui a accompagné la révolution d'Internet ces dernières années a provoqué un changement profond dans la société, marquant l'entrée dans un nouveau monde «Numérique » dont l'un des piliers technologiques est Hadoop.

Ce livre a pour objectif d'aider le lecteur à saisir les principes qui sont à la base d'Hadoop et de ses composants, de l'aider à monter en compétences sur Hadoop et également d'attirer son attention sur toutes les opportunités offertes par le Numérique. Il s'adresse à toute personne (consultants, data scientists, chargés d'études, étudiants, responsables techniques…) impliquée dans l'utilisation des données. Des compétences de base dans le domaine des bases de données, de la programmation et du SQL sont un prérequis nécessaire pour la bonne lecture du livre.

Les premiers chapitres présentent l'architecture de l'infrastructure d'Hadoop, son fonctionnement et le MapReduce. Ensuite, l'auteur présente les principes du stockage des données et montre la relation entre ces principes, le HDFS et Hadoop. Les chapitres qui suivent traitent des évolutions d'Hadoop avec un accent particulier sur le YARN. Dans un chapitre dédié, l'auteur traite également l'intégration du SQL dans Hadoop. Par la suite, il expose les problématiques du streaming, présente les principes du traitement en streaming et en temps réel, et montre comment Storm implémente ces principes. Enfin, le livre se termine par un chapitre sur les différentes distributions Hadoop et un chapitre sur la transition Numérique.

Pour faciliter la compréhension des principes exposés, chaque chapitre s'achève par un rappel des points clés. Un questionnaire permet également au lecteur de vérifier et consolider ses acquis.

Ces dernières années, les besoins relatifs au traitement des données ont évolué à un rythme soutenu. Les sites web aux millions d'utilisateurs (réseaux sociaux, plates-formes de diffusion de contenus) sont à l'origine de l'essor de la plus dynamique des familles de moteurs de données : le NoSQL.

Une base de données optimisée pour le big data

Parmi les bases de données NoSQL, celles orientées "graphes" connaissent un succès fulgurant du fait de leur souplesse et de leur évolutivité extrême. Ne reposant sur aucun schéma, un graphe peut accepter de nouveaux flux de données sans nécessiter d'interventions lourdes. A l'heure où les sociétés ont compris que la fusion de leurs silos de données (CRM, ERP, Web, etc.) est une condition sine qua non pour créer de la valeur (solutions d'intelligence prédictive, moteurs de recommandation), cette propriété du graphe se révèle essentielle.

En considérant les relations entre objets comme des données de premier ordre, de nouvelles perspectives d'exploration et d'analyse apparaissent et favorisent la découverte d'informations inédites. L'absence de barrières logiques ouvre également la porte à des modalités d'exploitation de la donnée en profondeur, sans nuire aux performances. Installés depuis de nombreuses années au coeur des infrastructures des géants du Web (Google, Facebook, Linkedln), les graphes sont désormais accessibles au plus grand nombre grâce à l'émergence des moteurs de graphes et notamment au leader du domaine : Neo4j.

Un ouvrage de référence sur Neo4j

Le présent ouvrage s'adresse à tous les publics confrontés au volet data d'un projet informatique : développeurs, DSI, directeurs techniques, chefs de projets, data miners et data scientists. Son objectif majeur est de vous aider à identifier les projets informatiques qui gagneront à mettre en oeuvre un graphe.

Après une introduction au concept de graphe et une présentation de Neo4j et de son langage de requête (Cypher), le présent ouvrage illustre à l'aide d'exemples concrets la puissance des graphes pour traiter des problèmes aussi pointus que la recommandation et l'analyse de réseaux sociaux. Les grandes étapes d'un projet data-driven reposant sur le graphe sont illustrées de la conception à la mise en place de modèles prédictifs, en passant par l'ingestion des données et l'analyse.

À qui s'adresse cet ouvrage ?

• Aux administrateurs de bases NoSQL de type graphe.
• Aux développeurs et architectes, pour mettre en pratique les concepts avec Neo4j.
• Aux data scientists qui trouveront avec les graphes un outil complémentaire pour concevoir leurs modèles.

Hadoop par la pratique s'articule autour d’explications approfondies et d’exemples de code. Chaque chapitre décrit un problème technique puis propose une solution découpée en étapes faciles à suivre. Au programme :

• ETL, compression, sérialisation et importation/exportation de données ;
• analyse simple et élaborée d’agrégats ;
• analyse graphique ;
• apprentissage automatique ;
• dépannage et débogage ;
• persistance évolutive ;
• administration et configuration de cluster.

Vous trouverez dans cet ouvrage :

• un contenu direct et facile à suivre ;
• une sélection des tâches et des problèmes les plus importants ;
• des instructions parfaitement organisées pour résoudre efficacement les problèmes ;
• des explications claires sur les actions réalisées ;
• une application des solutions à d’autres situations.

La lecture de cet ouvrage vous permettra de développer facilement des applications massivement parallèles et d’exploiter toute la puissance d’Hadoop.

Nous vivons une époque très excitante, qui ramène l'analyse de données et les méthodes quantitatives au coeur de la société. L'aboutissement de nombreux projets de recherche, la puissance de calcul informatique disponible et des données à profusion permettent aujourd'hui d'incroyables réalisations, grâce au travail des data scientists.

Un livre de référence pour les data scientists

La data science est l'art de traduire des problèmes industriels, sociaux, scientifiques, ou de toute autre nature, en problèmes de modélisation quantitative, pouvant être résolus par des algorithmes de traitement de données. Cela passe par une réflexion structurée, devant faire en sorte que se rencontrent problèmes humains, outils techniques/informatiques et méthodes statistiques/algorithmiques. Chaque projet de data science est une petite aventure, qui nécessite de partir d'un problème opérationnel souvent flou, à une réponse formelle et précise, qui aura des conséquences réelles sur le quotidien d'un nombre plus ou moins important de personnes.

Éric Biernat et Michel Lutz proposent de vous guider dans cette aventure. Ils vous feront visiter les vastes espaces de la data science moderne, de plus en plus présente dans notre société et qui fait tant parler d'elle, parfois par l'intermédiaire d'un sujet qui lui est corollaire, les big data.

Des études de cas pour devenir kaggle master

Loin des grands discours abstraits, les auteurs vous feront découvrir, claviers à la main, les pratiques de leur métier de data scientist chez OCTO Technology, l'un des leaders français du domaine. Et vous mettrez également la main à la pâte : avec juste ce qu'il faut de théorie pour comprendre ce qu'impliquent les méthodes mathématiques utilisées, mais surtout avec votre ordinateur personnel, quelques logiciels gratuits et puissants, ainsi qu'un peu de réflexion, vous allez participer activement à cette passionnante exploration !

À qui s'adresse cet ouvrage ?

Aux développeurs, statisticiens, étudiants et chefs de projets ayant à résoudre des problèmes de data science.

Aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art du machine learning.

Cet ouvrage s’adresse à tous ceux qui réfléchissent à la meilleure utilisation possible des données au sein de l’entreprise, 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...) ;
• d’outils (écosystème Hadoop, Storm...) ;
• d’exemples de machine learning ;
• d’une organisation typique d’un projet de data science.

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..