Changes

[[Image:Exploratory-data-analysis-with-MATLAB.jpg|150px|]]

[[Image:Exploratory-data-analysis-with-MATLAB.jpg|150px|]]

<h3 style="text-decoration:none;">Exploratory data analysis with MATLAB, 3rd edition</h3>

<h3 style="text-decoration:none;">Analyse exploratoire des données avec MATLAB, 3e édition</h3>

<p class="author">Wendy L Martinez, Angel R Martinez, and Jeffrey Solka</p>

<p class="author">Wendy L Martinez, Angel R Martinez, et Jeffrey Solka</p>

<p>Exploratory Data Analysis with MATLAB, Third Edition presents EDA methods from a computational perspective and uses numerous examples and applications to show how the methods are used in practice. The authors use MATLAB code, pseudo-code, and algorithm descriptions to illustrate the concepts. The MATLAB code for examples, data sets, and the EDA Toolbox are available for download on the book's website. New to the Third Edition Random projections and estimating local intrinsic dimensionality Deep learning autoencoders and stochastic neighbor embedding Minimum spanning tree and additional cluster validity indices Kernel density estimation Plots for visualizing data distributions, such as beanplots and violin plots A chapter on visualizing categorical data;The authors put a computational emphasis on the methods used to visualise and summarise data before making model assumptions to generate hypotheses. They use MATLAB code and algorithmic descriptions to provide the user with state-of-the-art techniques for finding patterns and structure in data.</p>

<p>(En anglais - titre original : <strong>Exploratory data analysis with MATLAB, 3rd edition</strong>) Analyse exploratoire des données avec MATLAB, 3e édition, présente les méthodes d'AED d'un point de vue informatique et utilise de nombreux exemples et applications pour montrer comment les méthodes sont utilisées en pratique. Les auteurs utilisent du code MATLAB, du pseudo-code et des descriptions d'algorithmes pour illustrer les concepts. Le code MATLAB des exemples, les ensembles de données et l'EDA Toolbox peuvent être téléchargés sur le site Web de l'ouvrage. Nouveautés de la troisième édition Projections aléatoires et estimation de la dimensionnalité intrinsèque locale Autoencodeurs d'apprentissage profond et intégration stochastique des voisins Arbre de portée minimale et indices supplémentaires de validité des clusters Estimation de la densité du noyau Graphiques de visualisation des distributions de données, tels que les diagrammes en forme de haricot et les diagrammes en forme de violon Chapitre sur la visualisation des données catégorielles;Les auteurs mettent l'accent sur les méthodes utilisées pour visualiser et résumer les données avant de faire des hypothèses de modèle pour générer des hypothèses. Ils utilisent le code MATLAB et les descriptions algorithmiques pour fournir à l'utilisateur des techniques de pointe pour trouver des modèles et des structures dans les données.</p>

<p class="recco">Recommandé par Agriculture et Agroalimentaire Canada, un partenaire de la Communauté des données du GC.</p>

<p class="recco">Recommandé par Agriculture et Agroalimentaire Canada, un partenaire de la Communauté des données du GC.</p>

<br>

<br>

[[Image:Open-data-structures.jpg|150px|Open data structures]]

[[Image:Open-data-structures.jpg|150px|Open data structures]]

<h3 style="text-decoration:none;">[https://open.umn.edu/opentextbooks/textbooks/171 Open data structures: an introduction]</h3>

<h3 style="text-decoration:none;">[https://open.umn.edu/opentextbooks/textbooks/171 Structures de données ouvertes : une introduction]</h3>

<p class="author">Pat Morin</p>

<p class="author">Pat Morin</p>

<p>Offered as an introduction to the field of data structures and algorithms, Open Data Structures covers the implementation and analysis of data structures for sequences (lists), queues, priority queues, unordered dictionaries, ordered dictionaries, and graphs. Focusing on a mathematically rigorous approach that is fast, practical, and efficient, Morin clearly and briskly presents instruction along with source code. Analyzed and implemented in Java, the data structures presented in the book include stacks, queues, deques, and lists implemented as arrays and linked-lists; space-efficient implementations of lists; skip lists; hash tables and hash codes; binary search trees including treaps, scapegoat trees, and red-black trees; integer searching structures including binary tries, x-fast tries, and y-fast tries; heaps, including implicit binary heaps and randomized meldable heaps; graphs, including adjacency matrix and adjacency list representations; and B-trees. A modern treatment of an essential computer science topic, Open Data Structures is a measured balance between classical topics and state-of-the art structures that will serve the needs of all undergraduate students or self-directed learners.</p>

<p>(En anglais - titre original : <strong>Open data structures: an introduction</strong>) Proposé comme une introduction au domaine des structures de données et des algorithmes, Structures de données ouvertes couvre l'implémentation et l'analyse des structures de données pour les séquences (listes), les files d'attente, les files d'attente prioritaires, les dictionnaires non ordonnés, les dictionnaires ordonnés et les graphes. En se concentrant sur une approche mathématiquement rigoureuse qui est rapide, pratique et efficace, Morin présente clairement et rapidement des instructions accompagnées du code source. Analysées et implémentées en Java, les structures de données présentées dans le livre comprennent les piles, les files d'attente, les déques et les listes implémentées sous forme de tableaux et de listes chaînées ; des implémentations efficaces des listes en termes d'espace ; des listes de saut ; des tables de hachage et des codes de hachage ; les arbres de recherche binaires, y compris les arbres treaps, les arbres scapegoat et les arbres red-black ; les structures de recherche d'entiers, y compris les essais binaires, les essais x-fast et les essais y-fast ; les tas, y compris les tas binaires implicites et les tas meldable randomisés ; les graphes, y compris les représentations de la matrice d'adjacence et de la liste d'adjacence ; et les B-trees. Traitement moderne d'un sujet essentiel de l'informatique, Structures de données ouvertes est un équilibre mesuré entre les sujets classiques et les structures de pointe qui répondra aux besoins de tous les étudiants de premier cycle ou des apprenants autonomes.</p>

<p class="recco">Recommandé par Agriculture et Agroalimentaire Canada, un partenaire de la Communauté des données du GC.</p>

<p class="recco">Recommandé par Agriculture et Agroalimentaire Canada, un partenaire de la Communauté des données du GC.</p>

<br>

<br>