Fondement des scienc ...

Livres sur la Science des Données et son Introduction

1. Cathy O'Neil, Rachel Schutt
   Doing Data Science: Straight Talk from the Frontline
   O'Reilly Media, 2013.
   (Introduction à la science des données, ses enjeux, outils et méthodologies).
2. Joel Grus
   Data Science from Scratch: First Principles with Python
   O'Reilly Media, 2019.
   (Conception de la science des données avec Python, notamment les concepts clés mathématiques et pratiques).
3. François Husson, Julie Josse, Jérémy Pagès
   Analyse de données avec R : Principes et méthodologies
   Presses Universitaires de Rennes, 2020.
   (Approfondissement des méthodes et outils pour l’analyse de données).
4. Sebastien Brivet
   Mathématiques et Algèbre Linéaire pour la Data Science et le Machine Learning
   Editions ENI, 2021.
   (Ouvrage spécifique sur les bases mathématiques adaptées aux sciences des données).
5. Anil Maheshwari
   Data Analytics Made Accessible
   Amazon, 2020.
   (Livre d’introduction adapté pour comprendre le big data, l’analyse de données et leur rôle dans les sciences des données).

Livres spécifiques aux outils mathématiques

1. Gilbert Strang
   Linear Algebra and Its Applications
   Cengage, 5th Edition, 2016.
   (Une introduction approfondie à l’algèbre linéaire avec des applications pertinentes en sciences des données).
2. Trevor Hastie, Robert Tibshirani, Jerome Friedman
   The Elements of Statistical Learning: Data Mining, Inference, and Prediction
   Springer, 2009.
   (Une référence pour les bases de l’apprentissage automatique, particulièrement les modèles linéaires).
3. David S. Watkins
   Fundamentals of Matrix Computations
   Wiley, 3rd Edition, 2010.
   (Exploration détaillée des matrices et de leur importance dans les calculs en sciences des données).
4. Norman Matloff
   Statistical Regression and Classification: From Linear Models to Machine Learning
   Chapman & Hall/CRC, 2017.
   (Lien clair entre régression linéaire et algorithmes de machine learning).

Webographie

Sites web et cours en ligne

1. Coursera
• Foundations of Data Science (University of California, Berkeley)
  https://www.coursera.org
  Un excellent cours sur les bases de la science des données avec des exemples pratiques.
2. Khan Academy
• Linear Algebra and Statistics
  https://www.khanacademy.org
  Ressources gratuites sur les concepts d'algèbre linéaire et de statistiques.
3. 3Blue1Brown (YouTube)
• Série vidéo sur l'algèbre linéaire
  https://www.youtube.com/c/3blue1brown
  Excellente chaîne pour comprendre visuellement les concepts d’algèbre linéaire.
4. Towards Data Science (Medium)
• Blog analytique sur les outils, méthodologies et technologies modernes.
  https://towardsdatascience.com
5. Data Science Central
• Plateforme spécialisée en science des données, big data et algorithmes.
  https://www.datasciencecentral.com

Documentation officielle des outils mentionnés dans le cours

1. Python :
• NumPy : https://numpy.org/doc/stable/
• Pandas : https://pandas.pydata.org/docs/
• Matplotlib & Seaborn : https://matplotlib.org/stable/index.html
2. Jupyter Notebook :
• https://jupyter.org

Revues et publications

1. The Journal of Data Science
• Articles académiques et tutoriels sur les méthodologies innovantes.
  https://jds-online.org
2. Springer – Journal of Big Data
• Références récentes dans les domaines du big data et de la science des données.
  https://journalofbigdata.springeropen.com