Ca y est, c’est décidé ? Vous souhaitez à tout prix devenir Data Scientist ? Vous avez raison ! Comme le titre BFM Business dans un article récent, les Data Scientists sont toujours aussi recherchés ! Je vous propose une sélection – courte mais qualitative – des meilleures vraies formations du moment.
De nombreux termes barbares hantent les articles liés à la Data Science et au prédictif, que ce soient des algorithmes ou des modèles, comment avoir un aperçu de ce qui les caractérise et les différencie, sans pour autant être bac+10 en statistiques ?
Réponse sur 3 modèles que j’ai le plus fréquemment rencontrés : la régression linéaire, la régression logistique et l’arbre de décisions.
Attention, cet article s’adresse à des non-matheux, d’où un langage et des explications volontairement simplifiées 😉
Tout vient à point à qui sait attendre 🙂
Je viens tout juste de rejoindre les équipes d’Alphalyr, start-up parisienne spécialisée sur Google Analytics qui propose des prestations d’hygiène analytics, de la visualisation de données et du data coaching – j’adore ce concept ! Tout pour optimiser ses datas sur le web !
Et j’ai l’immense honneur d’y devenir Data Scientist – en herbe, d’accord, mais data scientist tout de même 🙂
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.
Un petit bijou le programme de codecademy.com! Ca cartonne en ce moment, et pour cause! C’est un site qui permet d’apprendre à coder gratuitement, entre autres, parmi les langages suivants: HTML & CSS, JavaScript, JQuery, PHP, Python et Ruby.
D’où vient le métier du Data Scientist? Il fait partie des métiers à avoir vu le jour récemment, et le nombre de profils LinkedIn contenant le mot-clé DataScientist a été multiplié par 30 sur ce laps de temps (cf. infographie)!
Voici les principaux éléments de vocabulaire et acronymes à connaître autour de la Data Science et du Big data (cf. sourcing des définitions à la fin du post).
Avec quelques explications vulgarisées selon ma compréhension et des schémas qui me semblent parlants.
N’hésitez pas à ajouter des commentaires, ce post est évolutif!
Qui dit nouveau métier, dit nouveau vocabulaire!
L’objectif de ce post est de lister un panel représentatif des dénominations de métiers trouvées (sans pour autant aborder les qualités requises ainsi que les responsabilités, qui feront l’objet de posts ultérieurs!) pour tenter d’y voir un peu plus clair.
Au fond, l’équation Data Scientist = Data Analyst = Dataminer = Data Architect … est-elle vérifiée?