Les billets de Didier Gaultier
Data Engineer : quelles formations privilégier ?
Aux jeunes qui veulent se lancer dans la Data Science, j’avais recommandé de commencer par une fonction de Data Engineer. Aujourd’hui, je vous propose d’aborder la question des apprentissages et des formations pour devenir Data Engineer.
Data Scientist / Data Engineer : quelles compétences pour bien démarrer en Data Science ?
Le métier de Data Scientist crée un véritable engouement et c’est tant mieux. Pour le réussir, il faut conjuguer l’acquisition des compétences techniques, l’expérience des cas concrets et surtout, un parcours d’apprentissage jalonné.
Intelligence Artificielle, Machine Learning, Data Science : ces termes sont-ils interchangeables ?
De nombreux auteurs parlent indifféremment d’Intelligence Artificielle (I.A.), de machine learning, et de Data Science comme si ces termes étaient largement interchangeables. Mais qu’en est-il exactement ?
Peut-on faire un projet entier avec R et Python en Data Science ?
Depuis plusieurs années, de nombreux Data Scientists ont été amenés à privilégier des outils de type « langage » en ligne de commande pour faire du « Big Data », tels R et Python. Mais peut-on vraiment se lancer dans un projet DataScience uniquement armé de ces deux technologies ?
Les 5 pratiques clés de la Data Science
Après le Big Data, les sociétés sont nombreuses à se lancer dans la Data Science, discipline incontournable pour transformer le Big Data en connaissance puis en actions. Explication des 5 pratiques clés à respecter pour un projet couronné de succès.
La Data Science est prête à rencontrer le business
La BI traditionnelle est en train de rencontrer une mutation sans précédent, grâce à l’arrivée de la Data Science. Jusqu’à présent, on concevait un tableau de bord avec des définitions d’indicateurs métiers définis de manière déterministe par l’homme.
Data Science : Les 10 points clés pour réussir
L’édition 2016 du Congrès Big Data fut incroyable et a rencontré un franc succès ! Un événement qui m’a permis de vous rencontrer, d’échanger avec vous, et au cours duquel j’ai pu animer l’atelier « Les 10 points clés de la Data Science ». Retour en vidéo sur cette expérience…
Méthode CRISP : la clé de la réussite en Data Science
La méthode CRISP (initialement connue comme CRISP-DM) a été au départ développée par IBM dans les années 60 pour réaliser les projets Datamining. Elle reste aujourd’hui la seule méthode utilisable efficacement pour tous les projets Data Science.
Les nouveaux défis de la Data Science
Les application de la Data Science sont nombreuses. Avec ses algorithmes, elle permet d’aller encore plus loin dans le domaine de la connaissance client…
6 constats clés dans le monde des DataSciences
Voici les « Key learnings » (traduits de l’américain) du dernier benchmark REXER sur l’usage du datamining et des DataSciences en entreprise. […]
