Bonne surprise pour les acteurs du Big Data, des data sciences, des analytiques et du machine learning, ce livre est fait pour vous. Les béotiens s’écarteront... à moins, comme j’ai souhaité en tenter l‘expérience, que vous envisagiez de survoler, mais avec une certaine profondeur, le monde de l’analytique de la donnée.

Lorsque l’on m’a proposé la lecture de cet ouvrage, je ne vous cacherai pas que je m’attendais à un livre de vulgarisation. Quel n’a pas été mon désarroi à sa réception, « Data science : fondamentaux et études de cas » ne s’adresse pas au béotien, mais aux techniciens, ou tout du moins à celles et ceux qui veulent « mettre les mains dans le cambouis » du Big data, des analytiques, du machine learning, et de la data science.

9782212142433_h430Ce n’est pas une critique, mais un constat, ce livre ne s’adresse pas à tout le monde. En revanche, les data scientists et tous ceux qui évoluent dans le milieu du Big Data et des statistiques, développeurs, statisticiens, chefs de projets, y trouveront leur compte. Comme les auteurs l’indiquent clairement, « Ce livre s’adresse aux data scientists, mais aussi à toute personne curieuse d’avoir une vue d’ensemble de l’état de l’art du machine learning en 2015, dans un cadre professionnel ».

Ceci étant acquis, et sans préjuger de la qualité du contenu technique — codes, algorithmes, formules mathématiques et statistiques, schéma, etc. –, je n’en ai pas la compétence, la lecture même transverse de « Data science : fondamentaux et études de cas » s’est révélée être d’une grande richesse. Les auteurs, deux data scientists qui exercent cette fonction, connaissent leur sujet et souvent se mettent à la portée de ceux qui savent à minima de quoi ils parlent, à défaut de savoir comment ça marche. Ce second aspect des choses, l’essentiel de ce livre, trouve évidemment sa réponse.

Au sommaire : le B-A BA du data scientist ; les basiques du data scientist, les régressions, le clustering ; les algorithmes et leurs usages ; la data science en pratique, les concepts généraux ; la data science en pratique, au-delà des algorithmes, les espaces de grande dimension ; la temporalité dans les modèles, avec un cas pratique d’application et de modélisation.

Au final, j’ai pris un certain plaisir à lire « Data science : fondamentaux et études de cas », car j’y ai trouvé nombre d’informations qui viennent compléter mes connaissances de base du Big Data et du machine learning. Suffisamment en tout cas pour que je le conseille à tous les managers, DSI, directeur marketing, DRH, DAF, chefs de projets qui vont devoir mettre en place des projets analytiques, recruter et accompagner leurs équipes de data scientists et développeurs, et parler avec eux un langage commun.

Les auteurs

Eric Biernat et Michel Lutz sont des data scientists qui exercent leur activité chez Octo Technology.

IT Social vous conseille

Une bonne surprise que ce livre sur des sujets encore rares — data science, analytiques, Big Data, machine learning, Python et R — destiné à des professionnels, mais qui renferme suffisamment d’informations accessibles à ceux qui sont concernés par ces sujets. Sa cible sera également fortement intéressée par son contenu technique, ses formules, ses lignes de codes, ses schémas. Pour un prix justifié. En revanche, si vous n’êtes pas concerné par ce sujet, passez votre chemin.

« Data science : fondamentaux et études de cas »

  • Sous-titré : Machine learning avec Python et R
  • Auteurs : Eric Biernat et Michel Lutz
  • Édité par Eyrolles, collection Octo Technology
  • 298 pages — 35 euros

AUCUN COMMENTAIRE