| Les deux révisions précédentesRévision précédenteProchaine révision | Révision précédente |
| issue94:critique_litteraire [2015/03/30 15:55] – andre_domenech | issue94:critique_litteraire [2015/04/03 23:03] (Version actuelle) – d52fr |
|---|
| ** | ** |
| |
| Quand je vois l'expression « livre de recettes » (Cookbook) dans un titre, je suis immédiatement attiré vers lui, et, après avoir feuilletté le livre, je suis le plus souvent déçu. La raison en est que les recettes présentées sont généralement soit trop simples soit trop obscures pour que je ne puisse jamais les utiliser. Alors, quand j'ai proposé de commenter ce livre, je m'attendais à rencontrer ceci à nouveau. Mais une fois que je suis entré dans le livre, j'ai été très agréablement surpris. | Quand je vois l'expression « livre de recettes » (Cookbook) dans un titre, il m'attire immédiatement, et, après avoir feuilleté le livre, je suis le plus souvent déçu. La raison en est que les recettes présentées sont généralement soit trop simples soit trop obscures pour que je ne les utilise jamais. Alors, quand j'ai proposé de faire une critique de ce livre, je m'attendais à constater ceci à nouveau. Mais une fois entré dans le livre, j'ai été très agréablement surpris. |
| |
| Comme promis, ce livre fournit des exemples de code source en R et en Python. Les projets en R sont limités aux chapitres 2 à 5, mais donnent suffisamment d'informations pour aiguiser l'appétit de quiconque s'intéresse à l'analyse des données. Les chapitres 6 à 11 sont axés sur des solutions Python et je dois le dire, le code est très propre et la présentation est très bonne. | Comme promis, ce livre fournit des exemples de code source en R et en Python. Les projets en R sont limités aux chapitres 2 à 5, mais donnent suffisamment d'informations pour aiguiser l'appétit de quiconque s'intéresse à l'analyse des données. Les chapitres 6 à 11 sont axés sur des solutions Python et je dois dire que le code est très propre et la présentation, très bonne. |
| |
| Alors que les sujets de certains des chapitres ne sont pas vraiment ma tasse de thé (recommander des films ou récolter des données géolocalisation de Twitter), les auteurs ont présenté l'information de manière à ce que les exemples puissent être extrapolés pour couvrir de nombreuses formes de données, pas uniquement des films ou Twitter. | Alors que les sujets de certains des chapitres ne sont pas vraiment ma tasse de thé (recommander des films ou récolter et géolocaliser des données de Twitter), les auteurs ont présenté l'information de manière à ce que les exemples puissent être extrapolés pour couvrir de nombreuses formes de données, pas uniquement des films ou Twitter. |
| |
| ** | ** |
| ** | ** |
| |
| Le chapitre 1 est consacré à la préparation de l'environnement pour la recherche de données sur votre ordinateur à la fois pour R et Python. C'est fait d'une manière très claire et facile à suivre ; sans paquets parasites qui tendent à masquer non seulement l'intention du projet, mais mettent aussi en question le raisonnement promouvant la nécessité de ces paquets. Le choix de la distribution gratuite Anaconda Python vole effectivement en pleine face de ma déclaration ci-dessus ; mais, c'est l'outil approprié (à mon humble avis) pour l'analyse de données qui va suivre, et suivra si vous continuez sérieusement votre rôle d'analyse de données. Dans la même veine, la section sur la mise en place d'un environnement R est très simple et permet au lecteur de choisir le meilleur outil pour ce travail particulier. Suffisamment d'informations sont données sur l'utilisation de R plutôt que de Python, même pour que le programmeur le plus tendre prenne une décision raisonnable sur lequel utiliser. | Le chapitre 1 est consacré à la préparation de l'environnement pour l'évaluation de données sur votre ordinateur pour, à la fois, R et Python. C'est fait d'une manière très claire et facile à suivre ; sans paquets parasites qui tendent à masquer non seulement l'intention du projet, mais mettent aussi en question le raisonnement promouvant la nécessité de ces paquets. Le choix de la distribution gratuite Anaconda Python va effectivement à l'encontre de la déclaration ci-dessus ; mais (à mon humble avis) c'est l'outil approprié pour l'analyse de données qui va suivre, et suivra si vous continuez sérieusement dans votre rôle d'analyseur de données. Dans la même veine, la section sur la mise en place d'un environnement R est très simple et permet au lecteur de choisir le meilleur outil pour un travail spécifique. Suffisamment d'informations sont données sur l'utilisation de R plutôt que de Python, pour qu'un programmeur, même le plus tendre, puisse prendre une décision raisonnable sur lequel utiliser. |
| |
| Les quatre auteurs, Tony Ojeda, Sean Patrick Murphy, Benjamin Bengtort et Abhijit Dasgupta ont tous un mérite extrêmement impressionnant et ont fait un travail énorme sur ce livre. Leurs rôles dans la « vie réelle » est d'encadrer des masters et doctorats à l'université Johns Hopkins. Je doute que quiconque puisse arriver avec un groupe aussi impressionnant pour discuter de ce sujet très complexe. | Les quatre auteurs, Tony Ojeda, Sean Patrick Murphy, Benjamin Bengtort et Abhijit Dasgupta ont tous des références impressionnantes et, dans ce livre, ils ont réalisé un travail énorme. Dans la « vie réelle », leurs curriculum sont brillants [Ndt : voir, par exemple, le site du livre sur Barnes and Noble où il y a une section « Meet the autor »] et comprennent des diplômes avancés divers et/ou l'encadrement de ces diplômes à l'université Johns Hopkins. Je doute que quiconque d'autre ait pu rassembler un groupe aussi impressionnant pour traiter ce sujet très complexe. |
| | |
| L'essentiel ici est que si vous cherchez un livre pour en apprendre davantage sur l'analyse des données et avoir des extraits pour vous aider, alors ce livre est fait pour vous. Vous porterez une attention particulière au chapitre premier lors de la configuration de votre poste de travail d'analyse, puisque le raisonnement derrière les paquets utilisés est clairement expliqué et les exemples sont bien faits. Je suggère que vous installiez à la fois R et Python comme décrit dans le livre, car toutes les tâches ne sont pas mieux traitées par un seul de ces paquets. | |
| |
| | L'essentiel ici est que, si vous cherchez un livre pour en apprendre davantage sur l'analyse des données et avoir des extraits pour vous aider, alors ce livre est fait pour vous. Vous porterez une attention particulière au premier chapitre lors de la configuration de votre poste de travail d'analyse, puisque le raisonnement derrière les paquets utilisés est clairement expliqué et les exemples sont bien faits. Je suggère que vous installiez à la fois R et Python comme décrit dans le livre, car la meilleure façon de traiter certaines des tâches est avec les deux paquets. |
