Cours
Introduction à R
4 h
3M
La science des données est l'un des domaines qui connaît actuellement la croissance la plus rapide. Partout dans le monde, les organisations exploitent la puissance des données pour soutenir la prise de décision et offrir des expériences innovantes à leurs parties prenantes. Ce domaine étant en constante évolution, les ouvrages consacrés à la science des données constituent un excellent moyen pour les professionnels d'approfondir leurs connaissances fondamentales et de suivre le cursus des dernières techniques et méthodes.
Dans cet article, nous avons préparé un aperçu complet des meilleurs ouvrages consacrés à la science des données, couvrant la programmation, les statistiques, la visualisation des données et bien plus encore. Commençons.
Les meilleurs ouvrages sur la science des données pour les débutants
Les meilleurs ouvrages de programmation pour la science des données
1. La science des données à partir de zéro : Principes fondamentaux avec Python par Joel Grus
Data Science from Scratch est un ouvrage idéal pour les débutants. Après le succès de la première édition de son ouvrage, Joel Grus a présenté une édition révisée qui couvre les bases de la science des données à l'aide du langage de programmation Python 3.
Axé sur des problèmes concrets liés à la science des données, cet ouvrage aborde les concepts les plus importants dans ce domaine en mettant en œuvre des solutions à partir de zéro, grâce à un mélange subtil de statistiques et de codage.
Bien qu'il ne soit pas nécessaire de connaître Python au préalable pour tirer pleinement parti de ce livre, une certaine connaissance du langage facilitera votre apprentissage. Nous vous recommandons de consulter le cours Introduction à Python de DataCamp pour une initiation à Python.
2. Manuel Python pour la science des données par Jake VanderPlas
Cet ouvrage complet rédigé par Jake VanderPlas comprend des guides étape par étape pour l'utilisation des outils et des packages les plus populaires dans l'écosystème Python dédié à la science des données. Cela inclut Jupyter, iPython, NumPy, pandas, scikit-learn, matplotlib et d'autres bibliothèques. Vous apprendrez à l'aide d'exemples que vous pourrez facilement reproduire.
Depuis sa publication en 2016, le Python Data Science Handbook est rapidement devenu une référence en matière de calcul scientifique avec Python. La bonne nouvelle est qu'une édition révisée est prévue pour la fin de l'année 2022. Vous pouvez également écouter Jake VanderPlas discuter de ce livre, entre autres sujets, dans le podcast DataFramed.
3. R pour la science des données : Importer, organiser, transformer, visualiser et modéliser des données par Garrett Grolemund et Hadley Wickham
Si vous êtes un programmeur R et que vous souhaitez vous lancer dans la science des données, ce livre est fait pour vous. Écrit par Hadley Wickham et Garret Grolemnd, deux experts de R, cet ouvrage intitulé « R for Data Science » vous permettra d'acquérir les bases de cette discipline grâce à l'utilisation polyvalente du langage de programmation R et de RStudio.
Plutôt que d'enseigner les concepts statistiques avancés à partir de zéro, cet ouvrage se concentre sur l'utilisation de R pour l'analyse de données, afin que vous puissiez vous familiariser avec les packages populaires, tels que ggplot2, tidyr, et bien d'autres. En résumé, cet ouvrage est indispensable pour tout data scientist souhaitant approfondir ses connaissances fondamentales en R.
Meilleurs ouvrages sur les statistiques pour la science des données
4. Statistiques par Allen B. Downey
Pour transformer les données en informations exploitables, il est nécessaire de maîtriser non seulement le codage, mais également l'application de différentes méthodes en probabilité et en statistiques. L'apprentissage des statistiques est un aspect essentiel pour réussir en tant que data scientist. Heureusement, cet ouvrage démontre que l'apprentissage des statistiques peut être simple et agréable.
Think Stats est une introduction à la probabilité et aux statistiques pour les programmeurs Python. En travaillant sur une seule étude de cas tout au long du livre, vous apprendrez les différentes méthodes statistiques utilisées dans les différentes étapes du processus de science des données.
Cet ouvrage traite de manière approfondie des concepts clés de la statistique, tels que la statistique descriptive, les distributions, les règles de probabilité, la visualisation, et bien d'autres encore. Vous pouvez également consulter le livre d'Allen Downey sur DataCamp — Analyse exploratoire en Python.
5. Introduction à l'apprentissage statistique : Avec des applications dans R par Gareth James, Daniela Witten, Trevor Hastie et Robert Tibshirani
Destiné aussi bien aux statisticiens qu'aux non-statisticiens, An Introduction to Statistical Learning (Introduction à l'apprentissage statistique) offre une vue d'ensemble accessible du domaine des statistiques pour l'analyse des données.
Il comprend un traitement complet et accessible de certains des thèmes clés de l'apprentissage statistique, notamment la régression linéaire, la classification, les méthodes de rééchantillonnage, les approches de contraction, les méthodes basées sur les arbres, les machines à vecteurs de support, le regroupement, et bien plus encore. Vous pouvez également consulter le cursus de compétences « Principes fondamentaux des statistiques avec R » pour accompagner votre apprentissage.
6. Statistiques pratiques pour les scientifiques des données : Plus de 50 concepts essentiels utilisant R et Python par Peter Bruce, Andrew Bruce et Peter Gedeck
Les statistiques constituent un élément central de la science des données. Cependant, comme le mentionnent les auteurs de cet ouvrage, de nombreux scientifiques des données n'ont pas suivi de formation formelle en statistiques. Le livre « Practical Statistics for Data Scientists » constitue une excellente ressource pour combler cette lacune.
Cet ouvrage remarquable fournit des conseils pratiques sur l'application des méthodes statistiques dans le domaine de la science des données. Il se concentre sur la manière d'éviter l'utilisation abusive des statistiques dans le flux de travail de la science des données et fournit des conseils tactiques sur les techniques statistiques les plus couramment utilisées à appliquer. La deuxième édition inclut de nouveaux exemples en Python et en R.
Les meilleurs ouvrages sur l'apprentissage automatique pour la science des données
7. Introduction à l'apprentissage automatique avec Python : Guide destiné aux scientifiques des données par Andreas C. Müller et Sarah Guido
L'apprentissage automatique fait partie intégrante de la boîte à outils de la science des données. Si vous êtes un programmeur Python et que vous souhaitez vous former au machine learning, cet ouvrage vous fournira toutes les informations nécessaires.
Introduction au machine learning avec Python est le livre idéal pour débuter votre parcours dans le domaine du machine learning. Rédigé par l'un des principaux développeurs du package scikit-learn, cet ouvrage traite de manière approfondie des tenants et aboutissants de la création de modèles d'apprentissage automatique dans le package scikit-learn de Python.
8. Apprentissage automatique pratique avec Scikit-Learn, Keras et TensorFlow : Concepts, outils et techniques pour créer des systèmes intelligents par Aurélien Géron
Dans cet ouvrage, Aurélien Géron présente les techniques fondamentales du machine learning à l'aide d'outils et de frameworks Python populaires, tels que scikit-learn, Keras et Tensorflow.
Cet ouvrage adopte une approche pratique de l'apprentissage automatique et évite de vous submerger avec la théorie qui sous-tend de nombreux modèles d'apprentissage automatique. Il aborde également des concepts plus avancés tels que l'apprentissage profond et les réseaux neuronaux. Chaque chapitre comprend des exercices afin que vous puissiez facilement mettre en pratique les exemples et en tirer des enseignements.
9. Le livre de cent pages sur l'apprentissage automatique par Andriy Burkov
Si vous êtes simplement intéressé par l'apprentissage automatique et souhaitez vous initier à cette discipline sans entrer dans les détails techniques, ou si vous êtes un praticien de l'apprentissage automatique et souhaitez revoir les concepts fondamentaux, nous vous recommandons le livre de cent pages sur l'apprentissage automatique.
Résumer une discipline aussi complexe et vaste en seulement 100 pages est un travail remarquable auquel Andriy Burkov a réussi. Après l'avoir lu, vous serez en mesure de comprendre les différents types d'apprentissage automatique, les concepts fondamentaux de la conception et du déploiement de modèles prédictifs, ainsi que les éléments nécessaires pour lancer une application basée sur l'apprentissage automatique.
Le cours « Comprendre l'apprentissage automatique» constitue une autre excellente ressource pour acquérir les bases théoriques de l'apprentissage automatique.
Les meilleurs ouvrages sur la visualisation des données pour la science des données
10. L'art fonctionnel par Alberto Cairo
Dans The Functional Art, le journaliste spécialisé dans les données Alberto Cairo aborde la question de savoir comment rendre fonctionnel l'art qui se cache derrière la visualisation des données. En d'autres termes, comment créer de belles visualisations sans compromettre leur utilité et leur pertinence.
Partant d'un aperçu détaillé des meilleures pratiques en matière de visualisation des données, Cairo résume les particularités de notre cerveau et leur influence sur la manière dont nous percevons et mémorisons les informations graphiques. Après avoir lu cet ouvrage, votre approche de la visualisation des données sera définitivement transformée.
11. Conception du tableau de bord d'informations : Affichage des données pour une surveillance rapide par Stephen Few
Les tableaux de bord constituent l'un des moyens les plus efficaces pour visualiser d'un seul coup d'œil des données provenant de différentes sources. Ils sont devenus un élément central de l'infrastructure des entreprises axées sur les données, permettant aux consommateurs de données et aux praticiens des données d'accéder simultanément aux données et aux indicateurs clés de performance. Cependant, comme le souligne Stephen Few dans son ouvrage renommé, les tableaux de bord sont souvent conçus de manière peu pratique et inefficace.
Information Dashboard Design est conçu comme un guide pratique pour la création de tableaux de bord convaincants. Partant des principes de la théorie du design et de la visualisation des données, cet ouvrage présente les meilleures pratiques du secteur en matière de conception de tableaux de bord. Il fournit également de nombreux exemples illustrant le passage harmonieux de la théorie à la pratique.
12. Une narration efficace des données : Comment susciter le changement grâce aux données, aux récits et aux visuels, par Brent Dykes
La capacité à communiquer efficacement à l'aide de données est une compétence essentielle pour toute personne travaillant dans le domaine de la science des données. La visualisation des données peut nous aider dans cette tâche. Cependant, si nous souhaitons nous assurer que nos analyses de données se traduisent en actions, nous devons prendre en considération d'autres ressources et éléments qui influencent la communication. C'est l'idée qui sous-tend la narration efficace à partir de données.
Dans son ouvrage, Brent Dykes, qui est intervenu dans l'épisode du podcast DataFrame intitulé «», explique comment présenter efficacement des données : Comment transformer les informations en actions» — Dykes a développé un cadre pour la narration de données, une approche qui combine trois éléments centraux : les données, le récit et les visuels. En résumé, cet ouvrage est une ressource indispensable pour toute personne qui communique régulièrement avec des données.
13. Infographie réalisée par Sandra Rendgen et Julius Wiedemann
Information Graphics est un ouvrage magnifique et brillamment conçu qui explore le développement de la communication visuelle à l'ère du big data. Il contient une série d'essais sur l'histoire de la visualisation des données et 400 exemples concrets de projets graphiques couvrant de nombreux domaines de notre société. Toute personne intéressée par l'histoire et la pratique de la communication visuelle moderne trouvera cet ouvrage utile.
14. Présent au-delà de toute mesure par Lea Pica
Present Beyond Measure est un guide complet sur la visualisation des données qui s'adresse à un public varié, notamment aux analystes de données, aux spécialistes du marketing et à d'autres professionnels. Couvrant des aspects clés tels que la réduction de la surcharge d'informations, la maîtrise de la conception de diapositives et l'utilisation de techniques de narration cinématographiques, cet ouvrage fournit des conseils pratiques pour élaborer des récits convaincants à partir de données et créer des présentations captivantes. En mettant l'accent sur le protocole PICA et la formule Chart Detox™ exclusive de Lea, il offre une approche concise mais complète pour clarifier la narration des données. Adaptée à un large éventail de professionnels, des cadres aux consultants, cette ressource fournit des informations et des conseils précieux pour créer des visualisations de données percutantes et les présenter avec assurance.
Livres supplémentaires sur la science des données
15. Les armes de destruction mathématique par Cathy O’Neill
Publié en 2016, Weapons of Math Destruction a ouvert la voie à un débat nécessaire sur les implications éthiques du big data. Selon Cathy O'Neill, les algorithmes contribuent à perpétuer des préjugés préjudiciables. Illustrant ces biais à l'aide d'exemples concrets, O'Neill conclut son ouvrage en expliquant pourquoi la transparence et les audits d'algorithmes seront indispensables pour garantir un avenir plus équitable. Écoutez Cathy O'Neil parler de son livre dans le podcast DataFramed.
16. Tout le monde ment : Big Data, nouvelles données et ce que l'Internet peut nous révéler sur notre véritable identité, par Seth Stephens-Davidowitz
Les moteurs de recherche constituent l'un des principaux moteurs du big data. Chaque jour, nous générons des milliards de téraoctets de données simplement en saisissant des requêtes dans les moteurs de recherche. Ces informations peuvent révéler beaucoup de choses sur notre comportement, nos préjugés et nos craintes. Dans son best-seller Everybody lies, Stephens-Davidowitz analyse les données de recherche Google et apporte des réponses révélatrices à des questions touchant à l'économie, l'éthique, la politique, la race, le genre et bien d'autres domaines.
17. Algorithmes d'oppression : Comment les moteurs de recherche renforcent le racisme, par le Dr. Safiya U. Noble
Dans Algorithms of Oppression, Safiya U. Noble examine en détail la manière dont les moteurs de recherche fournissent des résultats biaisés en réponse aux requêtes. Elle soutient que la combinaison d'incitations à promouvoir certains résultats et du statut monopolistique d'un nombre relativement restreint de moteurs de recherche sur Internet a conduit à la création d'algorithmes racistes et sexistes qui perpétuent des stéréotypes préjudiciables sur Internet. Cet ouvrage offre un aperçu du pouvoir que peut avoir la science des données pour atténuer ou renforcer le racisme.
18. 97 choses que toute personne travaillant dans le domaine de la science des données devrait savoir sur l'éthique, par Bill Franks
La plupart des cas très médiatisés d'impacts néfastes réels ou perçus de la science des données ne sont pas motivés par de mauvaises intentions. Ils sont généralement dus à un manque d'examen éthique minutieux lors du processus de conception et de déploiement. L'objectif de « 97 choses que toute personne travaillant dans le domaine de la science des données devrait savoir sur l'éthique » est d'identifier les meilleures pratiques éthiques à intégrer dans le processus d'analyse des données. Cet ouvrage s'appuie sur les opinions des meilleurs praticiens en science des données.
19. Statistiques brutes : Éliminer la crainte des données par Charles Wheelan
Les lecteurs seront intéressés par cette perspective stimulante et éclairante sur la manière dont les statistiques sont actuellement utilisées par les entreprises pour influencer notre comportement. Grâce à un mélange équilibré de théorie et d'exemples concrets de bonnes et, surtout, de mauvaises pratiques, l'auteur renommé Charles Wheelan fournit des clés pour mieux comprendre notre société et plaide en faveur d'une meilleure culture statistique.
20. Ne vous fiez pas à votre intuition : Utiliser les données pour obtenir ce que vous désirez vraiment dans la vie, par Seth Stephens-Davidowitz
La plupart des ouvrages consacrés au big data ont tendance à se concentrer sur les applications des données dans le cadre de la prise de décision commerciale, en négligeant le fait que les données peuvent également nous aider dans notre vie quotidienne. Veuillez ne pas vous fier à votre intuition pour traiter cette question. Il fournit un guide pratique sur la manière dont les données peuvent être plus efficaces que l'intuition pour nous aider à prendre les décisions, grandes ou petites, que nous devons tous prendre tout au long de notre vie.
21. Introduction au traitement du langage naturel par Jacob Eisenstein
Si vous possédez déjà des connaissances de base en codage et en statistiques et que vous souhaitez orienter votre carrière vers le domaine du traitement du langage naturel, cet ouvrage est fait pour vous. L'ouvrage Introduction to Natural Language Processing (Introduction au traitement du langage naturel) de Jacob Einstein offre une perspective technique sur le NLP, en établissant un lien entre les techniques contemporaines d'apprentissage automatique et les fondements linguistiques et informatiques de ce domaine.
22. Le Big Data en pratique : Comment 45 entreprises prospères ont utilisé l'analyse des mégadonnées pour obtenir des résultats exceptionnels, par Bernard Marr
Le titre est explicite. L'auteur à succès Bernard Marr a rédigé cet ouvrage unique et pratique sur la manière dont 45 des entreprises les plus renommées utilisent le big data dans leurs activités quotidiennes. Il constitue une source d'inspiration considérable pour les autres organisations qui cherchent à utiliser efficacement les données et met en évidence certains des écueils à éviter lors de la mise en œuvre de ces solutions.
23. Données massives : Comprendre comment les données stimulent les grandes entreprises, par Bill Schmarzo
Écrit par l'un des experts les plus éminents en matière de mégadonnées, Big Data : Comprendre comment les données alimentent les grandes entreprises nous offre un aperçu complet de ce que sont les données et de la manière dont elles sont utilisées. Cet ouvrage regorge de conseils pratiques, d'idées, de techniques, de méthodologies et d'exemples concrets qui offrent un aperçu de la manière dont les outils et les technologies liés au big data peuvent accélérer la création de valeur commerciale.
En savoir plus sur la science des données
Nous espérons que cette liste vous aura été utile. Les livres constituent une excellente ressource pour apprendre la science des données, que ce soit pour s'initier à un nouveau sujet ou pour devenir un expert. Cependant, si vous n'avez pas le temps de lire un livre, nous avons tout de même une solution pour vous. Veuillez consulter les ressources suivantes et commencez dès aujourd'hui.
- Un catalogue complet comprenant plus de 380 cours sur la science des données, couvrant la programmation, les statistiques, la visualisation et bien plus encore.
- Veuillez vous abonner à notre blog pour obtenir les dernières informations.
- Veuillez vous abonner au podcast DataFramed.
- Veuillez consulter nos fiches pratiques sur la science des données.
Sujets