Big data agricole : comment valoriser la masse d'informations ? / Emmanuelle Gourdain in Perspectives Agricoles, 489 ([01/06/2021])

Public ISBD [article]  inPerspectives Agricoles > 489 [01/06/2021] . - p. 70-72 Titre : Big data agricole : comment valoriser la masse d'informations ? Type de document : Article Auteurs : Emmanuelle Gourdain ; François Brun Année de publication : 2021 Article en page(s) : p. 70-72 Catégories : [Thesagri] big data [Thesagri] exploitation agricole [Thesagri] intelligence artificielle Résumé : Pour utiliser des données "agriculteur", l'expert en données massives doit relever plusieurs défis : trier dans leur immense masse afin d'éliminer les données inutiles pour le thème d'étude, s'assurer de leur qualité et parvenir à distinguer les effets. Si l'intelligence artificielle a un rôle important à jouer, l'expertise de terrain est essentielle. [article] Big data agricole : comment valoriser la masse d'informations ? [Article] / Emmanuelle Gourdain ; François Brun . - 2021 . - p. 70-72. in Perspectives Agricoles > 489 [01/06/2021] . - p. 70-72 Catégories : [Thesagri] big data [Thesagri] exploitation agricole [Thesagri] intelligence artificielle Résumé : Pour utiliser des données "agriculteur", l'expert en données massives doit relever plusieurs défis : trier dans leur immense masse afin d'éliminer les données inutiles pour le thème d'étude, s'assurer de leur qualité et parvenir à distinguer les effets. Si l'intelligence artificielle a un rôle important à jouer, l'expertise de terrain est essentielle.

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
REV-00015423	489 [01/06/2021]	Revue	Salle de lecture	Documentaires	Disponible

Qu’est-ce que le travail scientifique des données ? : big data, little data, no data / Christine L. Borgman (2020)

Public ISBD Titre : Qu’est-ce que le travail scientifique des données ? : big data, little data, no data Type de document : Ouvrage Auteurs : Christine L. Borgman, Auteur Editeur : Marseille : OpenEdition press Année de publication : 2020 Collection : Encyclopédie numérique Importance : 417 p ISBN/ISSN/EAN : 979-10-365-5038-6 Langues : Français (fre) Catégories : [Thesagri] big data [Thesagri] gestion de données [Thesagri] recherche scientifique Index. décimale : ZB-0 Généralités Note de contenu : I. Données et recherche 1. Provocations 2. Qu’est-ce qu’une donnée ? 3. Le travail scientifique des données 4. La diversité des données II. Études de cas en travail scientifique des données 5. Le travail scientifique des données dans les sciences exactes 6. Le travail scientifique des données dans les sciences sociales 7. Le travail scientifique des données dans les sciences humaines III. Politiques et pratiques en matière de données 8. Le partage, la diffusion et la réutilisation des données 9. Reconnaissance, attribution et découvrabilité des données 10. Que garder et pourquoi ? Qu’est-ce que le travail scientifique des données ? : big data, little data, no data [Ouvrage] / Christine L. Borgman, Auteur . - Marseille : OpenEdition press, 2020 . - 417 p. - (Encyclopédie numérique) . ISBN : 979-10-365-5038-6 Langues : Français (fre) Catégories : [Thesagri] big data [Thesagri] gestion de données [Thesagri] recherche scientifique Index. décimale : ZB-0 Généralités Note de contenu : I. Données et recherche 1. Provocations 2. Qu’est-ce qu’une donnée ? 3. Le travail scientifique des données 4. La diversité des données II. Études de cas en travail scientifique des données 5. Le travail scientifique des données dans les sciences exactes 6. Le travail scientifique des données dans les sciences sociales 7. Le travail scientifique des données dans les sciences humaines III. Politiques et pratiques en matière de données 8. Le partage, la diffusion et la réutilisation des données 9. Reconnaissance, attribution et découvrabilité des données 10. Que garder et pourquoi ?

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DOC-00005652	ZB-0085	Livre	Salle de lecture	Documentaires	Sorti jusqu'au 30/09/2023

Smart agriculture: emerging pedagogies of deep learning, machine learning and Internet of Things / Govind Singh Patel (2021)

Public ISBD Titre : Smart agriculture: emerging pedagogies of deep learning, machine learning and Internet of Things Type de document : Ouvrage Auteurs : Govind Singh Patel, Auteur Editeur : Boca Raton : CRC Press Année de publication : 2021 Importance : 211 p ISBN/ISSN/EAN : 978-0-367-53580-3 Langues : Anglais (eng) Catégories : [Thesagri] agriculture [Thesagri] big data [Thesagri] innovation technologique [Thesagri] intelligence artificielle [Thesagri] modernisation Index. décimale : QA-0 Généralités Note de contenu : 1 - Machine learning and deep learning in agriculture 2 - Descriptive and predictive analytics of agricultural data using machine learning algorithms 3 - Discrimination between weed and crop via image analysis using machine learning algorithm 4 - Bio-inspired optimization algorithms for machine learning in agriculture applications 5 - Agricultural modernization with forecasting stages and machine learning 6 - Classification of segmented image using increased global contrast for Paddy plant disease 7 - IOT in agriculture: Survey on technology, challenges and future scope 8 - Role of IoT in sustainable farming 9 - Smart farming: Crop models and decision support systems using IOT 10 - Smart irrigation in farming using internet of things 11 - Automation systems in agriculture via IOT 12 - A complete automated solution for farm field and garden nurture using internet of things 13 - Machine intelligence techniques for agricultural production: Case study with tomato leaf disease detection 14 - Clock signal and its attribute for agriculture Smart agriculture: emerging pedagogies of deep learning, machine learning and Internet of Things [Ouvrage] / Govind Singh Patel, Auteur . - Boca Raton : CRC Press, 2021 . - 211 p. ISBN : 978-0-367-53580-3 Langues : Anglais (eng) Catégories : [Thesagri] agriculture [Thesagri] big data [Thesagri] innovation technologique [Thesagri] intelligence artificielle [Thesagri] modernisation Index. décimale : QA-0 Généralités Note de contenu : 1 - Machine learning and deep learning in agriculture 2 - Descriptive and predictive analytics of agricultural data using machine learning algorithms 3 - Discrimination between weed and crop via image analysis using machine learning algorithm 4 - Bio-inspired optimization algorithms for machine learning in agriculture applications 5 - Agricultural modernization with forecasting stages and machine learning 6 - Classification of segmented image using increased global contrast for Paddy plant disease 7 - IOT in agriculture: Survey on technology, challenges and future scope 8 - Role of IoT in sustainable farming 9 - Smart farming: Crop models and decision support systems using IOT 10 - Smart irrigation in farming using internet of things 11 - Automation systems in agriculture via IOT 12 - A complete automated solution for farm field and garden nurture using internet of things 13 - Machine intelligence techniques for agricultural production: Case study with tomato leaf disease detection 14 - Clock signal and its attribute for agriculture

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DOC-00005658	QA-0018	Livre	Salle de lecture	Documentaires	Disponible

---

1 (1 - 3 / 3)