Démarrer l'essai gratuit
Tendances Nouveau Genres Auteurs
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Recherche en cours...
SoBrief
Data Science

Data Science

Transformez les données brutes en décisions efficaces et repérez les risques qui échappent aux modèles.
par John D. Kelleher 2018 280 pages
3.90
500+ évaluations
Écouter
Immersif
V2.3
Amazon Kindle Audible
Essayez l'accès complet pendant 3 jours
Débloquez l'écoute et bien plus !
Continuer

Points clés

Utilisez la science des données pour améliorer les décisions, pas simplement pour produire des prédictions.

Les motifs doivent servir à quelque chose. La science des données combine données, algorithmes et jugement humain pour dégager des motifs à la fois inattendus et utiles. Son objectif est d’améliorer la prise de décision, et non de simplement produire un modèle ou un graphique. Un modèle de prédiction de l’attrition, par exemple, n’a d’intérêt que s’il repère les clients assez tôt pour que l’entreprise puisse les contacter et si celle-ci est effectivement en mesure de le faire. Une prédiction qui arrive trop tard, ou qui ne peut donner lieu à une réponse concrète, n’est pas une information exploitable.

La prédiction ne se limite pas à la prévision. Dans ce domaine, prédire signifie souvent estimer une étiquette inconnue — par exemple déterminer si un courriel est un pourriel — plutôt que prévoir un événement futur. Les ordinateurs peuvent passer au crible de nombreuses variables interdépendantes, mais les humains doivent toujours définir le problème, évaluer les résultats et décider de la marche à suivre.

Analyse

La distinction entre prédiction et décision est cruciale. Un modèle peut estimer le risque avec précision sans résoudre la question de savoir si une intervention est efficace, équitable ou si elle en vaut le coût. Cela distingue la performance prédictive de la qualité de la décision : la première indique dans quelle mesure un modèle classe correctement les cas, tandis que la seconde dépend de ce que les gens font de ces classements. Une évaluation utile ne demande donc pas seulement si les prédictions sont justes, mais aussi quelle action s’ensuit, qui en bénéficie et ce qui se passe lorsque le modèle se trompe.

Mesurez ce qui compte avant de demander à un modèle de repérer des motifs.

Les données sont des représentations construites. Un jeu de données convertit des personnes, des objets ou des événements réels en lignes et en attributs. Ces attributs reflètent des choix concernant ce qu’on consigne et la manière de le décrire; les données ne sont donc jamais une copie complète et neutre de la réalité. Les Oakland A’s ont montré à quel point ces choix peuvent avoir des conséquences: ils accordaient plus de valeur aux performances liées aux présences sur les buts et à la puissance au bâton qu’à la moyenne au bâton, traditionnellement privilégiée par les équipes, ce qui leur a permis de repérer des joueurs que les autres sous-estimaient.

Les caractéristiques dérivées peuvent en révéler davantage. Dans l’exemple du diabète présenté dans le livre, l’indice de masse corporelle combine la taille et le poids en une mesure davantage associée à la probabilité de diabète que chacune de ces variables prise isolément. Sa corrélation était de 0,877, contre 0,655 pour le poids. Mais ajouter des attributs n’est pas automatiquement préférable. Des données non pertinentes ou redondantes peuvent favoriser des motifs fallacieux; les connaissances du domaine et les contrôles de qualité restent donc essentiels.

Analyse

C’est une leçon qui porte autant sur la mesure que sur l’informatique. Un modèle ne peut raisonner sur le monde qu’à travers les catégories et les quantités qu’on lui fournit ; la conception des caractéristiques relève donc d’une forme d’élaboration théorique. L’exemple de Moneyball le montre clairement : changer de mesure a changé les joueurs qui paraissaient précieux. Pourtant, une forte association ne permet pas d’établir la cause d’un résultat. Une bonne mesure peut préciser une question, mais elle ne saurait remplacer des preuves causales ni une interprétation réfléchie.

Définissez le problème et corrigez les données avant d’ajuster les modèles.

Le travail est itératif. Le livre présente CRISP-DM (processus standard intersectoriel pour l’exploration de données) comme un cycle de projet pratique: comprendre le problème de l’organisation et les données disponibles, préparer ces données, construire des modèles, les évaluer au regard du besoin réel, puis mettre en œuvre les résultats utiles. Les étapes ne forment pas un escalier à sens unique. Les résultats des modèles peuvent révéler des données erronées ou une question mal formulée et conduire l’équipe à reprendre son travail.

La préparation absorbe l’essentiel du projet. Une enquête de 2016 citée dans le livre a révélé que les spécialistes des données consacraient 79 % de leur temps à collecter, nettoyer et organiser les données. Une équipe a reconstruit son jeu de données dix fois en six semaines et découvert une erreur majeure au cours de la cinquième semaine. Voilà pourquoi la sophistication d’un modèle ne peut sauver un projet fondé sur des données inadaptées ou corrompues.

Analyse

L’énorme travail de préparation n’est pas qu’une corvée accessoire. C’est à cette étape que les hypothèses prennent forme concrète : les équipes décident quels dossiers retenir, harmonisent des définitions divergentes et déterminent comment traiter les valeurs manquantes ou extrêmes. Ces choix peuvent autant influencer les conclusions que l’algorithme. L’itération constitue donc une mesure de contrôle de la qualité, et non la preuve d’une mauvaise gestion du projet. Il faut toutefois éviter que les nettoyages répétés ne deviennent une activité sans but : chaque révision doit répondre à un problème clair et s’accompagner d’une décision consignée.

Choisissez les algorithmes en fonction de la question et des données, pas des modes.

Des questions différentes appellent des outils différents. Le livre répartit les tâches courantes de la science des données en quatre familles. Le regroupement rassemble les cas similaires, comme lorsqu’un détaillant cherche à dégager des profils distincts de clientèle. La détection d’anomalies signale les cas qui s’écartent de la norme, par exemple une transaction bancaire inhabituelle. L’exploration de règles d’association repère les articles qui apparaissent souvent ensemble, comme les produits dans un panier d’achats. La prédiction estime une valeur manquante, par exemple si un client quittera un service ou combien pourrait coûter une maison.

Les étiquettes changent la nature du problème. L’apprentissage supervisé s’appuie sur des exemples dont les réponses sont connues, comme des courriels déjà étiquetés comme pourriels ou non. L’apprentissage non supervisé recherche des régularités sans ces étiquettes de réponse. Aucun algorithme n’est le meilleur pour tous les jeux de données. Chacun a un biais d’apprentissage (Learning Bias), c’est-à-dire une préférence pour certains types de motifs; les équipes devraient donc comparer plusieurs méthodes plausibles plutôt que de supposer que le modèle le plus récent ou le plus complexe est le meilleur.

Analyse

Cette approche qui part de la tâche évite une erreur fréquente de catégorie : appliquer une technique disponible avant d’avoir clarifié ce que l’organisation doit savoir. Elle oblige aussi à se pencher sur les données nécessaires. Un modèle supervisé exige des étiquettes fiables, tandis qu’un regroupement requiert une notion défendable de la similarité. Dans les deux cas, un jugement se cache sous le langage technique. Un groupe ne correspond pas automatiquement à un groupe réel, et une association fréquente ne prouve pas qu’un élément en cause un autre. L’examen humain doit relier la structure statistique à un usage pertinent.

Testez les modèles sur des cas inconnus, puis surveillez les changements du monde.

Mémoriser n’est pas réussir. Un modèle testé sur les mêmes exemples que ceux utilisés pour son entraînement peut sembler plus performant qu’il ne l’est. Le livre recommande de conserver des jeux de données distincts pour l’entraînement, la validation et le test: l’un sert à ajuster les modèles candidats, un autre à les départager et un dernier, laissé intact, à estimer les performances sur des cas inconnus. La mesure appropriée dépend de la tâche. Pour un diagnostic médical, passer à côté d’un patient malade peut être plus grave que signaler par erreur un patient en bonne santé.

Les anciens motifs peuvent devenir caducs. Les modèles supposent que les relations observées dans les données historiques resteront utiles. Lorsque les comportements ou les conditions changent, cette hypothèse de stationnarité ne tient plus; on parle alors de dérive de concept (Concept Drift). Un filtre antipourriel autrefois fiable, par exemple, peut perdre en précision à mesure que les techniques de pourriel évoluent. Le suivi et le réentraînement périodique font donc partie du déploiement: ce ne sont pas de simples opérations de maintenance facultatives.

Analyse

L’évaluation est une affirmation concernant les performances futures, et non un trophée remis à un modèle. Séparer l’entraînement du test rend cette affirmation plus crédible, tandis que le choix d’une mesure d’erreur révèle quelles erreurs importent aux personnes concernées. Le suivi impose une deuxième discipline : considérer la précision du modèle comme limitée dans le temps plutôt que permanente. Même un excellent résultat sur un jeu de test ne garantit pas les performances dans un environnement véritablement nouveau. Une évaluation devrait préciser les conditions qu’elle représente et celles qu’elle ne représente pas.

Rapprochez le calcul des données lorsque le déplacement des dossiers devient le véritable goulot d’étranglement.

Le déplacement des données a un coût. Dans une configuration traditionnelle, les dossiers peuvent être extraits de plusieurs bases de données, préparés sur des ordinateurs distincts, analysés, puis renvoyés dans les systèmes opérationnels. Le livre rapporte qu’une expérience a consacré environ 70 à 80 % de son temps à extraire et préparer les données pour construire un modèle. Au moment de produire les scores, environ 90 % du temps était consacré à déplacer les dossiers dans un sens puis dans l’autre, et non à appliquer le modèle.

L’infrastructure doit être adaptée à la charge de travail. L’apprentissage automatique dans la base de données exécute les algorithmes là où les données se trouvent déjà, ce qui réduit les transferts et simplifie le déploiement. Hadoop répartit le stockage et le traitement par lots entre des groupes de serveurs, tandis que les systèmes de traitement en continu gèrent continuellement les données entrantes. Une entreprise citée dans le livre a ainsi supprimé plus de 318 heures mensuelles de déplacement de données et réduit la mise à jour des modèles de plus de 67 heures à une heure. De tels systèmes sont utiles lorsque l’échelle les justifie, mais ils ajoutent une complexité dont les projets plus modestes n’ont peut-être pas besoin.

Analyse

Rapprocher le calcul des données stockées est une réponse architecturale aux frictions, et non une recette universelle. Cela peut réduire les doublons, les délais et les risques pour la sécurité liés à la création de copies supplémentaires. Le principe général consiste à repérer où un processus consacre réellement son temps avant d’investir dans de nouvelles infrastructures. Les systèmes plus distribués entraînent aussi des exigences opérationnelles, notamment des compétences spécialisées et une coordination entre leurs composants. La conception la plus efficace est celle qui correspond au volume, à la vitesse, aux besoins de sécurité et à l’objectif commercial d’une charge de travail donnée.

Un modèle ne crée de valeur que si les gens peuvent agir sur ses résultats.

Le déploiement achève l’analyse. Un modèle qui prédit quels clients risquent de partir a peu de valeur si aucune équipe ne peut contacter ceux qui sont à risque. L’intervention doit avoir lieu assez tôt, et l’organisation doit disposer d’un processus pour donner suite au résultat. Le même principe vaut pour les alertes à la fraude, les évaluations de demandes de prêt et d’autres décisions opérationnelles. L’intégration aux systèmes existants peut rendre une prédiction utile disponible au moment même où une décision est prise.

La réussite exige toute une organisation. Le livre souligne l’importance d’objectifs clairs, de données de qualité, de connaissances du domaine, de compétences techniques, de communication, du soutien de la haute direction et de l’examen régulier des modèles. Un spécialiste des données maîtrise rarement à lui seul toutes les compétences nécessaires. Les spécialistes métier, les ingénieurs de données, les analystes et les gestionnaires contribuent tous à traduire le problème, à constituer un jeu de données fiable et à mettre les résultats à profit. Traiter l’analytique comme une simple démonstration ponctuelle, plutôt que comme une capacité à développer dans la durée, en limite la valeur.

Analyse

Cette vision inscrit la science des données dans la conception de l’organisation. Un modèle n’est pas un objet isolé : il dépend des personnes, des logiciels, des incitations et du chemin qui relie le signal à l’action. Son adoption relève donc autant d’une question sociale que technique. Une prédiction peut être exacte mais rester inutilisée si elle apparaît dans la mauvaise interface ou entre en conflit avec les responsabilités établies. À l’inverse, l’automatisation peut accélérer un processus de décision défaillant. La vraie mesure est l’amélioration de l’ensemble du processus, et non le simple fait que le modèle fonctionne.

Considérez les informations personnelles déduites comme sensibles, même si personne ne les a divulguées.

Des indices indirects peuvent révéler des faits intimes. Les métadonnées des appels téléphoniques peuvent révéler des comportements sensibles, même si le contenu des appels n’est jamais enregistré. Dans l’étude MetaPhone décrite dans le livre, les habitudes d’appels vers des services médicaux et d’autres organisations ont révélé des situations personnelles plausibles. Le détaillant Target s’est servi des habitudes d’achat pour estimer qu’une cliente était enceinte et a envoyé des offres à une adolescente avant que sa famille sache qu’elle attendait un enfant. Ces exemples montrent que le croisement de données ordinaires peut produire des déductions étonnamment personnelles.

Les prédictions peuvent renforcer les inégalités. Les algorithmes apprennent à partir de données historiques, y compris de motifs façonnés par des traitements inégaux. En matière de police, envoyer davantage d’agents dans les endroits où l’on prévoit plus de criminalité peut entraîner davantage d’arrestations ou de signalements sur place, ce qui risque ensuite de renforcer la prédiction suivante. Les profils peuvent aussi suivre les personnes d’une organisation à l’autre et influer sur leurs possibilités, sans qu’elles sachent quelles informations ont guidé la décision.

Analyse

La vie privée ne se résume pas à la question de savoir si une personne a choisi de partager un fait particulier. Le risque tient souvent à l’inférence, au rapprochement et au réemploi : des informations recueillies dans un but donné deviennent des éléments à l’appui d’un jugement différent. Le contexte est donc essentiel. Il est utile de se demander si les personnes concernées pourraient raisonnablement s’attendre au rapprochement effectué et si elles peuvent contester ses conséquences. L’exemple policier met en garde contre un autre risque : les données peuvent décrire le comportement des institutions autant que celui du public ; un modèle risque donc de reproduire les pratiques de surveillance qui ont généré ses données d’entraînement.

Intégrez la protection de la vie privée à la conception des systèmes, plutôt que d’en faire une réflexion tardive lors de l’écran de consentement.

La protection peut être technique et procédurale. La confidentialité différentielle ajoute un bruit soigneusement contrôlé afin de permettre l’étude de tendances à l’échelle d’une population sans que l’inclusion d’une seule personne soit déterminante. L’apprentissage fédéré conserve les exemples sur des appareils ou des sites distincts, combine les mises à jour des modèles et évite de rassembler tous les dossiers bruts dans un stockage centralisé. Ces méthodes réduisent certains risques, mais aucune ne rend automatiquement toute utilisation sûre.

La gouvernance reste essentielle. Le livre décrit les principes de protection des données largement appliqués: collecter les informations de manière licite, les utiliser dans un but déclaré, les maintenir exactes et sécurisées, permettre aux personnes d’y accéder et de demander réparation, et tenir les organisations responsables. La protection de la vie privée dès la conception consiste à intégrer ces garanties à la technologie et aux pratiques dès le départ. Ces choix comptent à mesure que la science des données s’étend à la médecine personnalisée, où les données peuvent orienter les traitements individuels, et aux villes intelligentes, où les réseaux de capteurs peuvent influer sur les transports, les services publics et les prestations destinées à la population.

Analyse

Les méthodes techniques sont plus efficaces lorsqu’elles s’accompagnent de limites concernant les finalités, l’accès et la durée de conservation. La protection de la vie privée n’est pas une propriété unique qu’un système posséderait ou non ; elle suppose des choix sur les personnes autorisées à tirer quelles informations de quelles données, et sur le pouvoir dont elles disposent pour agir. C’est particulièrement important en médecine et dans la gestion urbaine, où les données partagées peuvent apporter des bénéfices publics, mais aussi permettre la surveillance ou un traitement inégal. Une gouvernance solide rend ces intérêts concurrents visibles au lieu de présenter les garanties techniques comme une réponse suffisante.

Analyse

L’argument le plus utile du livre est que la science des données est une chaîne de choix, et non une machine qui transforme des faits bruts en vérité. Cette chaîne commence avant la modélisation, lorsque des personnes définissent une question et décident quels attributs sont pertinents. Elle se poursuit avec la collecte, le nettoyage, l’évaluation et le déploiement. Chaque maillon peut introduire des erreurs ou des biais, et le modèle final ne peut effacer les décisions déjà inscrites dans les données.

Cette perspective explique aussi pourquoi le livre traite la préparation des données et l’éthique comme des éléments centraux plutôt que secondaires. L’opération même qui rend les données plus utiles — rapprocher des dossiers provenant de différentes sources — peut accroître le risque de révéler des informations privées. La même prédiction qui aide à répartir une ressource rare peut reproduire des tendances héritées de sa répartition passée. Un résultat techniquement exact ne constitue donc pas nécessairement une décision justifiée. La précision renseigne sur l’adéquation à une cible mesurée; elle ne prouve pas que cette cible soit équitable, pertinente ou importante sur le plan causal.

La discipline pratique proposée ici est précieuse: définir la décision à prendre, examiner les éléments disponibles, comparer les modèles, les tester au-delà des exemples d’entraînement et suivre leurs performances après leur mise en service. Sa limite est que la rigueur du processus ne peut trancher les désaccords sociaux sur les résultats acceptables. Même un projet bien mené peut optimiser le mauvais objectif ou répartir les bénéfices de façon inégale. Ces questions exigent la participation des communautés concernées et des décideurs, pas seulement celle des experts techniques.

La contribution durable du livre tient à une conception plus exigeante de la compétence. Un spécialiste des données doit comprendre suffisamment l’informatique, les statistiques, les données et le domaine d’application pour reconnaître quand un motif est utile, quand il est fragile et quand agir en conséquence risque de nuire. La science des données inspire confiance non par son ampleur ou sa complexité, mais grâce à des liens responsables entre les éléments de preuve, les décisions et leurs conséquences.

Résumé en 30 secondes
Les projets de données commencent par la définition d’une décision utile et le choix de mesures qui la représentent correctement. Les spécialistes des données consacrent environ 79 % de leur temps à collecter, nettoyer et organiser les données ; des données d’entrée défectueuses peuvent donc peser plus lourd que des algorithmes sophistiqués. Testez les modèles sur des cas mis de côté, puis surveillez l’évolution des tendances. Les prédictions ne créent de valeur que si les organisations peuvent agir en conséquence. Les informations personnelles déduites et les tendances historiques biaisées rendent indispensables, dès le départ, les protections de la vie privée et la responsabilisation.
Contient des spoilers

Dernière mise à jour:

Signaler un problème

Résumé des avis

3.90 sur 5
Moyenne de 500+ évaluations de Goodreads et Amazon.

Data Science reçoit dans l’ensemble des critiques positives en tant qu’introduction accessible au domaine. Les lecteurs apprécient la clarté des explications des concepts clés, des algorithmes et des considérations éthiques. Beaucoup le trouvent utile aux débutants ou à ceux qui souhaitent avoir une vue d’ensemble, même si certains estiment qu’il manque de profondeur technique. La couverture des applications concrètes et des aspects commerciaux est saluée. Si certains critiquent le caractère élémentaire du contenu, d’autres apprécient la large perspective offerte sur les principes, les tâches et les tendances futures de la science des données.

Votre note :
4.39
275 évaluations
Envie de lire le livre complet ?

Glossaire

CRISP-DM

Cycle de projet itératif

Le processus standard intersectoriel pour l’exploration de données (Cross Industry Standard Process for Data Mining) est un cadre largement utilisé pour organiser les projets d’analyse. Il commence par clarifier le problème métier et les données disponibles, se poursuit par la préparation et la modélisation, puis évalue si les résultats répondent au besoin visé avant le déploiement. Ses étapes peuvent être reprises, et les modèles déployés doivent être réexaminés lorsque les données et les circonstances évoluent.

table analytique de base (Analytics Base Table)

Table de données prête pour la modélisation

Une table analytique de base (Analytics Base Table) est le jeu de données préparé qui sert d’entrée aux algorithmes d’apprentissage automatique. Chaque ligne représente une instance, comme un client, et chaque colonne consigne un attribut. Sa construction implique de sélectionner des attributs bruts et dérivés utiles, de rassembler des enregistrements, d’intégrer des sources et de vérifier la qualité des données.

données résiduelles (Exhaust Data)

Sous-produit de données

Les données résiduelles sont produites comme sous-produit d’une activité dont le but principal n’est pas la collecte de données. Un achat, une publication sur les réseaux sociaux ou une visite sur un site Web peut générer des enregistrements supplémentaires concernant l’heure, les appareils, les clics ou les interactions. Ces traces peuvent révéler des tendances utiles, mais leur mise en relation peut aussi exposer des informations sensibles que les personnes n’ont pas sciemment communiquées.

biais d’apprentissage (Learning Bias)

Préférence algorithmique pour certains motifs

Le biais d’apprentissage décrit les types de motifs qu’un algorithme est prédisposé à trouver lorsqu’il apprend à partir d’exemples. Une méthode linéaire privilégie les relations linéaires, tandis que d’autres méthodes recherchent des structures différentes. Cette préférence rend l’apprentissage possible, mais signifie qu’aucun algorithme n’est le meilleur pour tous les jeux de données ou toutes les tâches ; les méthodes doivent être comparées en contexte.

dérive de concept (Concept Drift)

Évolution de la relation modélisée

La dérive de concept se produit lorsque le comportement ou le processus représenté dans les données change au fil du temps, ce qui rend moins fiables les relations apprises à partir d’exemples historiques. Les méthodes de lutte contre le spam, le comportement des clients ou les relevés de capteurs peuvent évoluer. Comme les modèles reflètent les observations passées, les organisations doivent surveiller leurs performances et les réentraîner ou les remplacer lorsque les conditions changent.

confidentialité différentielle

Protection de la vie privée par bruit contrôlé

La confidentialité différentielle est une approche mathématique qui permet de dégager des informations à l’échelle d’une population tout en limitant ce qu’une analyse peut révéler sur une personne en particulier. Elle consiste généralement à ajouter un bruit soigneusement calibré aux données ou aux résultats d’une requête. Le bruit protège les individus, tandis que les tendances agrégées peuvent rester utiles, mais une protection plus forte peut réduire la précision de l’analyse.

apprentissage fédéré

Entraînement distribué de modèles

L’apprentissage fédéré entraîne des modèles à partir de données qui restent à leur emplacement d’origine, par exemple sur des téléphones individuels ou dans différents établissements. Chaque emplacement calcule une mise à jour du modèle, puis ces mises à jour sont combinées pour améliorer un modèle partagé. Cette approche peut éviter de centraliser les exemples bruts, même si les mises à jour des modèles et la conception du système nécessitent toujours des protections de la vie privée.

pyramide DIKW (données-information-connaissances-sagesse)

Hiérarchie des données à la sagesse

La pyramide DIKW décrit une progression des données vers l’information, les connaissances, puis la sagesse. Les données sont des mesures ou des abstractions ; l’information correspond à des données organisées sous une forme porteuse de sens ; les connaissances sont des informations interprétées qui favorisent la compréhension ; et la sagesse consiste à utiliser ces connaissances de manière appropriée. Les distinctions entre les niveaux et les transitions de l’un à l’autre font débat.

FAQ

De quoi parle « Data Science » de John D. Kelleher ?

  • Aperçu de la science des données : Le livre propose une introduction complète à la science des données et aborde ses principes, la définition des problèmes, les algorithmes et les processus permettant d’extraire des motifs de grands jeux de données.
  • Liens avec d’autres disciplines : Il explique les liens entre la science des données, l’exploration de données et l’apprentissage automatique, tout en soulignant que son champ est plus vaste et comprend l’éthique et la réglementation des données.
  • Applications pratiques : Le livre traite de l’application de la science des données dans différents secteurs, notamment les entreprises, les pouvoirs publics et les soins de santé, afin d’améliorer la prise de décision et l’efficacité.
  • Contexte historique : Il présente brièvement l’histoire de la science des données, de ses débuts dans la collecte et l’analyse des données à son état actuel, façonné par les mégadonnées et les progrès technologiques.

Pourquoi lire « Data Science » de John D. Kelleher ?

  • Introduction complète : Ce livre fait partie de la collection Essential Knowledge de MIT Press et offre un aperçu accessible et concis de la science des données.
  • Éclairage d’expert : Écrit par des penseurs de premier plan, il propose un aperçu de spécialiste de la science des données et rend les idées complexes accessibles aux non-spécialistes.
  • Pertinence pratique : Il met en évidence l’impact de la science des données sur les sociétés modernes et illustre ses applications dans différents domaines comme le marketing, les soins de santé et l’urbanisme.
  • Considérations éthiques : Le livre aborde les implications éthiques de la science des données, notamment les enjeux liés à la vie privée et le risque de discrimination.

Quels sont les principaux enseignements de « Data Science » de John D. Kelleher ?

  • Définition de la science des données : La science des données mobilise des principes et des processus permettant d’extraire des motifs utiles de grands jeux de données afin d’améliorer la prise de décision.
  • Processus CRISP-DM : Le livre présente le processus standard intersectoriel pour l’exploration de données (CRISP-DM), un cadre largement utilisé pour les projets de science des données.
  • Rôle de l’apprentissage automatique : L’apprentissage automatique est au cœur de la science des données ; il fournit des algorithmes qui créent des modèles à partir de données pour la prédiction et l’analyse.
  • Défis éthiques : Le livre souligne l’importance de traiter les enjeux éthiques, comme la vie privée et la discrimination, dans les applications de la science des données.

Comment « Data Science » de John D. Kelleher définit-il la science des données ?

  • Principes et processus : La science des données est définie comme un ensemble de principes, de définitions de problèmes, d’algorithmes et de processus permettant d’extraire des motifs à partir de données.
  • Un champ plus vaste : Son champ dépasse celui de l’exploration de données et de l’apprentissage automatique ; il englobe l’éthique et la réglementation des données ainsi que le traitement des données non structurées.
  • Priorité à la prise de décision : Son objectif principal est d’améliorer la prise de décision en s’appuyant sur des informations tirées de grands jeux de données.
  • Nature interdisciplinaire : La science des données associe des connaissances issues de différents domaines, dont les statistiques, l’informatique et l’expertise du domaine concerné.

Qu’est-ce que le processus CRISP-DM mentionné dans « Data Science » de John D. Kelleher ?

  • Cadre standard : CRISP-DM signifie Cross Industry Standard Process for Data Mining ; il s’agit d’un cadre largement adopté pour les projets de science des données.
  • Six étapes : Il comprend six étapes : compréhension du métier, compréhension des données, préparation des données, modélisation, évaluation et déploiement.
  • Processus itératif : Le processus est itératif : les spécialistes des données peuvent revenir aux étapes précédentes en fonction de nouvelles observations ou de difficultés rencontrées.
  • Priorité aux besoins de l’entreprise : Il insiste sur la compréhension des besoins de l’entreprise et sur la nécessité d’aligner les solutions de science des données sur les objectifs de l’organisation.

Comment « Data Science » de John D. Kelleher explique-t-il le rôle de l’apprentissage automatique dans la science des données ?

  • Composante essentielle : L’apprentissage automatique est une composante essentielle de la science des données. Il fournit des algorithmes permettant d’extraire des motifs des données et de créer des modèles prédictifs.
  • Apprentissage supervisé et non supervisé : Le livre explique la différence entre l’apprentissage supervisé, fondé sur des données étiquetées, et l’apprentissage non supervisé, qui n’utilise pas de données étiquetées.
  • Évaluation des modèles : Il aborde l’importance d’évaluer les modèles afin de vérifier qu’ils se généralisent bien à de nouvelles données encore jamais vues.
  • Choix des algorithmes : Le livre souligne qu’il faut expérimenter différentes méthodes pour trouver celle qui convient le mieux à un jeu de données et à un problème donnés.

Quels enjeux éthiques « Data Science » de John D. Kelleher aborde-t-il ?

  • Vie privée : Le livre examine les implications éthiques de la science des données, notamment en matière de vie privée et de protection des données personnelles.
  • Risques de discrimination : Il met en évidence le risque que la science des données perpétue et renforce les préjugés sociaux et la discrimination.
  • Problèmes liés au profilage : Le livre étudie la manière dont la science des données peut servir au profilage social, entraînant un traitement préférentiel ou une marginalisation.
  • Cadres réglementaires : Il passe en revue les cadres juridiques et les recommandations existants visant à protéger la vie privée et à prévenir la discrimination dans le domaine de la science des données.

Quelle est l’importance des mégadonnées dans « Data Science » de John D. Kelleher ?

  • Les trois V des mégadonnées : Les mégadonnées se caractérisent par leur volume, leur variété et leur vélocité, ce qui offre à la science des données des possibilités tout en lui posant des défis.
  • Progrès technologiques : Le livre explique comment les progrès du stockage des données, de la puissance de traitement et de l’analyse ont favorisé l’essor des mégadonnées.
  • Impact sur la société : Les mégadonnées ont transformé différents secteurs en permettant une prise de décision mieux informée et des services personnalisés.
  • Considérations éthiques : Le livre souligne la nécessité de traiter les enjeux éthiques liés aux mégadonnées, comme la vie privée et la propriété des données.

Comment « Data Science » de John D. Kelleher décrit-il le rôle de la visualisation des données ?

  • Outil d’exploration : La visualisation des données est un outil important pour explorer et comprendre les données, et aide à repérer des motifs et des tendances.
  • Aide à la communication : Elle facilite la communication des résultats de l’analyse des données aux parties prenantes et rend les données complexes plus accessibles et compréhensibles.
  • Contexte historique : Le livre retrace l’évolution de la visualisation des données, des premiers graphiques statistiques aux techniques modernes.
  • Conception efficace : Il met l’accent sur les principes d’une visualisation efficace, comme la clarté, l’exactitude et la pertinence.

Quelles sont les meilleures citations de « Data Science » de John D. Kelleher, et que signifient-elles ?

  • « La science des données est un partenariat entre un spécialiste des données et un ordinateur. » Cette citation souligne la nature collaborative de la science des données : l’expertise humaine et la puissance de calcul travaillent de concert pour tirer des enseignements des données.
  • « L’objectif de la science des données est d’améliorer la prise de décision en fondant les décisions sur des informations extraites de grands jeux de données. » Cette phrase met en avant l’objectif principal de la science des données : améliorer les processus décisionnels grâce aux enseignements tirés des données.
  • « Les données ne sont jamais une description objective du monde. Elles sont toujours partielles et biaisées. » Cette citation souligne l’importance de reconnaître les limites et les biais inhérents aux données, qui peuvent influer sur l’analyse et les conclusions.
  • « Sans supervision humaine compétente, un projet de science des données n’atteindra pas ses objectifs. » Cette phrase met en évidence le rôle essentiel de l’expertise humaine dans la réussite des projets de science des données.

Comment « Data Science » de John D. Kelleher aborde-t-il les tendances futures de la science des données ?

  • Appareils intelligents et Internet des objets : Le livre aborde la prolifération des appareils intelligents et de l’Internet des objets, qui contribue à l’essor des mégadonnées.
  • Médecine personnalisée : Il souligne le potentiel de la science des données pour transformer les soins de santé grâce à la médecine personnalisée et aux traitements de précision.
  • Villes intelligentes : Le livre explore le développement des villes intelligentes, où la science des données sert à optimiser l’urbanisme et la gestion des ressources.
  • Défis persistants : Il reconnaît les défis persistants de la science des données, notamment les considérations éthiques et la nécessité de mettre les modèles à jour en continu.

Quels conseils pratiques « Data Science » de John D. Kelleher donne-t-il pour mener à bien des projets de science des données ?

  • Objectif clairement défini : Le livre insiste sur l’importance de définir clairement dès le départ le problème et les objectifs d’un projet de science des données.
  • Données de qualité : Il souligne la nécessité de disposer de données de grande qualité et l’importance de leur préparation et de leur nettoyage tout au long du cycle de vie du projet.
  • Collaboration au sein de l’équipe : Les projets réussis reposent souvent sur la collaboration d’une équipe diversifiée réunissant des compétences et des expertises complémentaires.
  • Processus itératif : Le livre préconise une démarche itérative, qui permet d’améliorer et d’adapter continuellement les modèles et les processus.

À propos de l'auteur

John D. Kelleher est professeur d’informatique et responsable académique au Dublin Institute of Technology. Il est spécialisé dans l’apprentissage automatique et l’analyse prédictive des données. Kelleher a écrit plusieurs ouvrages sur ces sujets, dont « Fundamentals of Machine Learning for Predictive Data Analytics », publié par MIT Press. Ses travaux au sein de l’Information, Communication, and Entertainment Research Institute témoignent de son intérêt pour les applications pratiques et novatrices des concepts de l’informatique. Son parcours universitaire et ses publications font de lui une autorité reconnue dans le domaine en rapide évolution de la science des données et de ses applications.

Télécharger le PDF

Pour garder le résumé de Data Science pour plus tard, téléchargez gratuitement le PDF. Vous pouvez l’imprimer ou le lire hors ligne quand vous le souhaitez.
Télécharger le PDF

Télécharger l'EPUB

Pour lire le résumé de Data Science sur votre liseuse ou dans une application de lecture, téléchargez gratuitement l’EPUB. Le format numérique .epub est idéal pour lire des livres numériques sur téléphone, tablette ou liseuse.
Télécharger l'EPUB
Envie de lire le livre complet ?
Suivre
Écouter
Accueil
Swipe
Biblio
Appli
Essayez l'accès complet pendant 3 jours
Écoutez, enregistrez, et plus encore
Comparer les fonctionnalités Gratuit Pro
📖 Lire les résumés
Lisez des résumés illimités. Les utilisateurs gratuits en reçoivent 3 par mois
🎧 Écouter les résumés
Écoutez des résumés illimités dans 40 langues
—
❤️ Favoris illimités
Limité à 4 pour les utilisateurs gratuits
—
📜 Historique illimité
Limité à 4 pour les utilisateurs gratuits
—
📥 Téléchargements illimités
Limité à 1 pour les utilisateurs gratuits
—
Calendrier sans engagement
Aujourd'hui : Accès immédiat
Écoutez les résumés complets de plus de 26 000 livres. Soit plus de 12 000 heures d'audio !
Jour 2 : Rappel d'essai
Nous vous enverrons une notification pour vous informer que votre essai se termine bientôt.
Jour 3 : Votre abonnement commence
Vous serez débité le 25 nov.,
annulez à tout moment avant.
Consume 2.8× More Books
2.8× livres de plus Écoute Lecture
Nos utilisateurs nous adorent
1M+ lecteurs
Trustpilot Rating
TrustPilot
4.6 Excellent
Ce site change tout. Je n'ai jamais lu autant de résumés aussi rapidement. Je recommande vivement.
— Dave G
Ça vaut vraiment le coup en temps et en argent, et c'est très bien fait. Je n'ai jamais vu cette qualité de résumés ailleurs. Très utile !
— Em
Hautement recommandé !! Service fantastique. Parfait pour ceux qui veulent plus qu'un aperçu sans tous les détails d'un livre audio complet.
— Greg M
Économisez 62 %
Annuel
$119.88 $44.99/an/an
$3.75/mois
Mensuel
$9.99/mois
Démarrer un essai gratuit de 3 jours
3 jours gratuits, puis $44.99/an. Annulez à tout moment.
Unlock a world of fiction & nonfiction books
Plus de 26 000 livres pour le prix de 2 livres
Lisez n'importe quel livre en 10 minutes
Découvrez de nouveaux livres comme sur Tinder
Demandez n'importe quel livre s'il n'est pas encore résumé
Lisez plus de livres que quiconque
L'appli n°1 pour les amateurs de livres
Lifelike & immersive summaries
Garantie satisfait ou remboursé 30 jours
Téléchargez les résumés en EPUB ou PDF
Annulez à tout moment en quelques clics

Pourquoi un seul résumé ?

Scanner
Trouvez un code-barres à scanner

⭐
⭐
⭐
Nous avons un cadeau spécial pour vous
Ouvrir
38 % de réduction
RÉDUCTION POUR VOUS
⭐
⭐
⭐
$79.99
$49.99/an
Seulement $4.16 par mois
Continuer
2 touches pour commencer, résiliation ultra simple
Paramètres
Général
Widget
Chargement...