Data Science : 6 tendances et enjeux à redécouvrir

Notre dossier de la semaine Spécial Data & Digital est dédié à la Data Science, avec une sélection d’articles qui vous fera redécouvrir les tendances et enjeux actuels du domaine. Au programme aujourd’hui : la méthode CRISP, l’Intelligence Artificielle en débat, les spécificités d’un hackathon en Data Science, comprendre l’intuition des data scientists,…

1. 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.

Didier Gaultier vous détaille dans cet article les 6 étapes de la méthode CRISP allant de la compréhension du problème métier au déploiement et la mise en production.

>> En savoir plus : Méthode CRISP : la clé de la réussite en Data Science

2. [DEBAT D’EXPERTS] L’Intelligence Artificielle en 7 points clés

L’Intelligence Artificielle fascine et s’annonce avant tout incontournable. Surtout, elle est à la fois porteuse d’espoirs et de grandes peurs révélées par de grands auteurs de science-fiction.

Le point au travers d’une discussion à bâtons rompus entre Jean-Luc Raffaëlli, Architecte à la DSI Groupe (Groupe La Poste) et Mick Lévy, Directeur de l’Innovation Business (Orange Business).

>> En savoir plus : [DEBAT D’EXPERTS] L’Intelligence Artificielle en 7 points clés

3. Le hackathon en Data Science, hacka-quoi ?

Réalisé sous la forme d’une course contre la montre, un hackaton participe à l’innovation en entreprise et vise à développer des prototypes, que ce soit pour des algorithmes, des interfaces web, des APIs, du hardware…

Eric Lecoutre vous présente dans cet article les enjeux et toutes les spécificités d’un hackathon en Data Science.

>> En savoir plus : Le hackathon en Data Science, hacka-quoi ?

4. Data scientist ? Une simple question d’intuition !

L’intuition des scientifiques ou la raison des ingénieurs ? A l’heure où les fausses informations se répandent à une vitesse vertigineuse, il est en effet essentiel de savoir démêler le vrai du faux et d’aiguiser son esprit critique.

Dans cet article qui demeure on ne peut plus d’actualité, Fabien Campagne vous apprend à vous méfier des fausses corrélations et à jouer avec les données pour mieux les analyser.

>> En savoir plus : Data scientist ? Une simple question d’intuition !

5. 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 est-il vraiment possible de se lancer dans un projet DataScience armé de ces deux seules technologies ? Les réponses de Didier Gaultier.

>> En savoir plus : Peut-on faire un projet entier avec R et Python en Data Science ?

6. Ne vous laissez pas uberiser, embauchez des data scientists !

Transformation digitale oblige, nouvelles technologies, la quasi-totalité des secteurs et en particulier celui de l’IT, sont en perpétuel évolution. Dans beaucoup d’aspects, les anciens concepts évoluent de façon unique.

Eric Lecoutre revient ici sur la disparition progressive des frontières entre les secteurs et les solutions à adopter pour réinventer votre entreprise.

>> En savoir plus : Ne vous laissez pas uberiser, embauchez des data scientists !