6 mois après mon dernier article, je reprends la plume une – peut-être – dernière fois pour informer mes chers lecteurs et followers de mes nouvelles occupations 🙂
All Posts By
Marjolaine Baratte
Les évènements malheureux qui se sont produits avec le crash de l’avion de la Germanwings le 24 mars 2015 ont généré une large couverture médiatique ces derniers jours. Et cela a pu réveiller la peur de l’avion chez plus d’une personne! Etant moi-même une aérodromophobe qui se soigne, j’ai suivi le sujet avec beaucoup d’assiduité!
Mais comme toute dataïste qui se respecte, j’ai voulu aller plus loin sur les statistiques liées aux crashs d’avions, et apaiser l’angoisse qui monte en vue de mon prochain vol.
Quelques perles trouvées au Salon BigData Paris qui s’est tenu les 10 et 11 mars 2015 au CNIT, à La Défense. Vous y trouverez notamment du Machine learning et de la dataviz au service du #Retail et du #Recrutement!
Voici un post un peu plus léger. Mais qui part d’une véritable interrogation!
En effet, depuis que je m’intéresse au sujet du métier de Data Scientist et du monde des Big Data, je rencontre pas mal de monde, et souvent, souvent je me rends compte que ces personnes sont amateurs de photographie.
Mais pourquoi donc?
282.
C’est le nombre de pages de cet ouvrage passionnant, co-rédigé par Viktor Mayer-Schönberger et Kenneth Cukier. Le premier est professeur et conseiller chez Microsoft, le second est éditeur Data du magazine The economist.
Tous les ans, Microsoft organise un évènement phare autour de l’innovation technologique et numérique. Cette année c’était au Palais des Congrès les 10, 11 et 12 février 2015. Au programme des #mstechdays, de belles interventions autour du Machine Learning, du Big Data et de leur produit phare Azure.
On me pose souvent la question: pourquoi avoir commencé à apprendre Python plutôt que R?
A la base, je n’ai pas de réponse, si ce n’est le hasard, puisque j’ai commencé à apprendre Python grâce à Codecademy. Et il semblerait que ce soit difficile d’apprendre les deux en parallèle…
Mais les deux s’opposent-ils vraiment? Choisir, c’est renoncer, alors à quoi devons-nous renoncer exactement?
Comment définir le Machine learning ?
Le Machine learning est un type d’intelligence artificielle (IA) qui permet aux ordinateurs d’apprendre sans être explicitement programmés. Il se concentre sur le développement de programmes informatiques qui peuvent changer lorsqu’ils sont exposés à de nouvelles données.
Le processus d’apprentissage automatique est similaire à celui de l’exploration de données. Les deux systèmes recherchent dans les données pour trouver des modèles. Cependant, au lieu d’extraire les données pour la compréhension humaine, le Machine learning utilise ces données pour détecter des modèles dans ces données et ajuster les actions du programme en conséquence. Par exemple, Facebook utilise l’apprentissage automatique pour ajuster chaque contenu en fonction du profil d’un utilisateur.
Et pourquoi pas…?
En fait, FUN = France Université Numérique. D’accord c’est moins glamour, mais c’est plutôt sympa, vous allez voir!
Pourquoi réviser?
Dans la lignée de mon article sur Codecademy, je souhaiter présenter ici un autre outil très pédagogique dans le cadre d’un apprentissage pour devenir Data Scientist, sur l’aspect Probabilités maintenant.
