Introduction

Data scientist, un métier à la mode

Certains groupes LinkedIn consacrés aux sujets de data sciences comportent plus de 100 000 personnes. Le matin où un des auteurs écrit ces lignes, une requête sur son compte LinkedIn lui indique que 83 000 personnes de son réseau direct (niveaux 1 et 2) revendiquent le titre de "data scientist", dont 18 000 en France.

Ce même matin, le site Indeed annonce plus de 1000 offres d’emploi de data scientist ou de spécialiste de l’IA sur Paris, contre 244 offres de trader. 

Il est intéressant de noter que depuis la première édition de cet ouvrage, les chiffres précédents ont plus que doublé concernant les requêtes sur le terme "data scientist" et ont baissé sur le terme "trader".

Depuis plus d’un quart de siècle, nombreux sont les experts qui manipulent quotidiennement les concepts et les algorithmes au cœur des pratiques actuelles des nouveaux data scientists. Ces pratiques sont souvent issues de l’intelligence artificielle et de l’expérience opérationnelle des "quant" qui travaillent auprès des traders, des "actuaires" qui opèrent dans le monde des assurances, des biologistes ou tout simplement de tous les chercheurs qui doivent émettre et qualifier statistiquement des hypothèses avant...

Un nouveau métier : citizen data scientist

Les data sciences

Les data sciences comportent de nombreux aspects et concernent des champs d’études très variés.

On y trouve des techniques permettant de classer et trier les objets de notre monde, de prédire des évènements, de reconnaître des patterns ou des séquences d’information, d’identifier des règles sous-jacentes à des données, d’analyser des séries temporelles, d’interpréter des textes, de détecter des valeurs aberrantes ou des signaux faibles et d’analyser des graphes industriels ou des réseaux sociaux.

Le développement des data sciences a trouvé un nouvel essor dans les pratiques du Big Data, mais il serait erroné de les réduire à ce contexte.

En effet, les savoir-faire utilisés proviennent de disciplines relativement anciennes et interconnectées comme l’intelligence artificielle, la recherche opérationnelle, les statistiques et la linguistique.

Évidemment, ces disciplines sont servies par des mathématiques et une algorithmique puissantes.

Dans de nombreux ouvrages de qualité, les data sciences semblent se réduire aux captivantes techniques du "data-mining" et du "machine learning", à savoir la capacité de faire établir une classification ou une prédiction par un ordinateur. Ces aspects...

Le Big Data

Le Big Data apporte de nombreuses innovations à travers l’usage des data sciences allié à sa capacité native à traiter des volumes et des natures de données auparavant inaccessibles à nos calculateurs.

Cet ensemble de technologies ne se caractérise pas uniquement par le volume des données, mais aussi par leur nature parfois imprécise, incomplète, entachée d’erreurs variées et de phénomènes fugaces.

Les données traitées peuvent prendre des formes très diverses comprenant pêle-mêle des bases de données relationnelles ou pas, des fichiers structurés ou pas, des données textuelles dans diverses langues, des données multimédias...

Les données comportent divers liens temporels, logiques ou de causalité. On parle de séries temporelles (ex : cours de bourse), de graphes (ex : liens dans les réseaux sociaux), de séquences (ex : gènes), de règles (ex : "s’il pleut et que nous sommes samedi alors je vais au cinéma")...

Le Big Data représente l’ensemble des techniques (informatisées) qui nous permettent de gérer, d’exploiter et d’avoir des usages efficaces de ces données volumineuses et terriblement complexes.

Les data sciences permettent...

La dynamique de cet ouvrage

Petit bestiaire des data sciences

Les descriptions et les images suivantes ont pour seul objet de se familiariser avec le vocabulaire et les représentations souvent utilisées par les data scientists. Ne cherchez pas à construire un bel échafaudage logique à partir de ces informations, contentez-vous d’enrichir le nombre d’associations d’idées entre vos découvertes et vos connaissances antérieures.

Informatique professionnelle et data sciences

Notations

Les différences de notations entre les auteurs, leurs habitudes ou les usages propres à la description d’un problème donné peuvent vous troubler et ralentir votre compréhension, nous allons donc aborder le thème des notations mathématiques à plusieurs reprises dans cet ouvrage.

Pour évoluer dans les data sciences, vous n’avez pas forcément besoin d’un bon niveau en mathématiques, cela dépend de vos missions et de vos ambitions, mais vous aurez de toute façon besoin de lire et d’interpréter des textes comprenant des expressions mathématiques parfois un peu abstraites. Si vous n’êtes pas formé aux mathématiques du supérieur, considérez cela comme l’apprentissage d’une langue, qui vous permettra d’accéder à la pensée des auteurs que vous lirez.

Nous allons nous focaliser en premier lieu sur les différentes façons de noter les paramètres et l’expression d’une régression linéaire. L’entreprise est un peu pénible, mais après cela vous pourrez accéder à de nombreuses lectures sans être dérouté par la notation. 

1. Notations des paramètres

Concernant les paramètres, les notations diffèrent suivant les circonstances, les habitudes et les auteurs, ne vous laissez pas impressionner, en particulier par les lettres grecques !

Plus haut dans cet ouvrage, pour décrire un exemple de régression linéaire multivariée, nous avons formulé l’expression suivante où les différentes variables explicatives sont exprimées en x indicés et les paramètres à estimer par la succession des premières lettres de notre alphabet :

Nos a, b, c, d... deviendront parfois :

• a₁, a₂, a₃, a₄... ou (a_j) en notation plus compacte. Parfois, on préfère commencer à l’indice 0 pour différencier le paramètre qui n’est pas multiplié à une variable, ce qui donnerait pour la régression linéaire simple :...