<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Quentin Pleplé on Medium]]></title>
        <description><![CDATA[Stories by Quentin Pleplé on Medium]]></description>
        <link>https://medium.com/@qpleple?source=rss-6f529f87d8fe------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*bhMLiDNbqKxHEGJjY1rxZw.jpeg</url>
            <title>Stories by Quentin Pleplé on Medium</title>
            <link>https://medium.com/@qpleple?source=rss-6f529f87d8fe------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 17:50:04 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@qpleple/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Adopter une stratégie Big Data, par où commencer ?]]></title>
            <link>https://medium.com/blog-bigdatext/adopter-une-strat%C3%A9gie-big-data-par-o%C3%B9-commencer-f9b062ad14a?source=rss-6f529f87d8fe------2</link>
            <guid isPermaLink="false">https://medium.com/p/f9b062ad14a</guid>
            <dc:creator><![CDATA[Quentin Pleplé]]></dc:creator>
            <pubDate>Fri, 27 Jan 2017 16:01:30 GMT</pubDate>
            <atom:updated>2017-01-27T16:01:30.867Z</atom:updated>
            <content:encoded><![CDATA[<h4>Stockez vos données, pensez au cloud, faites vous accompagner…</h4><p>Commencez par stocker toutes les données que vous voyez passer, tous les événements que vous pouvez enregistrer : qui a fait quoi, quand, en combien de temps, dans quelles conditions… Le stockage ne coûte pas cher et même si vous ne vous y mettez que dans 1 ou 2 ans, avoir des données antérieures vous permettra d’aller plus vite.</p><p>Pensez Cloud. Les plateformes du type Amazon Web Services sont aujourd’hui matures et permettent de construire une infrastructure puissante et complexe pour seulement quelques heures d’expérience qui ne vont vous coûter que quelques euros.</p><p>Par ailleurs, tout le monde ne doit pas nécessairement faire du Big Data. Pour beaucoup d’entreprises, le Big Data n’apporte pas de valeur business. Il s’agit donc d’avoir une réelle réflexion orientée sur la valeur de ce que le Big Data peut apporter, éventuellement avec des experts externes, pour être sûr de ne pas investir dans une mauvaise direction.</p><p>Lorsque vous avez des données et que vous êtes convaincu de la valeur business que peut apporter le Big Data, l’idéal est de se faire accompagner par des experts extérieurs pour réaliser une ou deux preuve de concept : faites faire une ou deux preuves de concept (POC) par des experts externes pour confirmer vos intuitions. Il s’agit alors de faire une expérience basique pour confirmer les intuitions et avoir une idées de performances que l’on peut espérer.</p><p>Lorsque les résultats des preuves de concept sont concluants, alors vous pouvez passer à la vitesse supérieure et commencer à construire votre équipe Data Science en embauchant des profils spécialisés.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=f9b062ad14a" width="1" height="1" alt=""><hr><p><a href="https://medium.com/blog-bigdatext/adopter-une-strat%C3%A9gie-big-data-par-o%C3%B9-commencer-f9b062ad14a">Adopter une stratégie Big Data, par où commencer ?</a> was originally published in <a href="https://medium.com/blog-bigdatext">Blog Big Datext</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Le Hello World des Data Sciences]]></title>
            <link>https://medium.com/blog-bigdatext/le-hello-world-des-data-sciences-6e85f30c90d7?source=rss-6f529f87d8fe------2</link>
            <guid isPermaLink="false">https://medium.com/p/6e85f30c90d7</guid>
            <dc:creator><![CDATA[Quentin Pleplé]]></dc:creator>
            <pubDate>Fri, 27 Jan 2017 15:59:26 GMT</pubDate>
            <atom:updated>2017-01-27T16:02:12.948Z</atom:updated>
            <content:encoded><![CDATA[<h4>Un exemple très simple d’algorithme de Machine Learning pour prédire quels passagers vont survivre dans le naufrage du Titanic</h4><p>Même si pour devenir un bon Data Scientist il vous faudra acquérir de bonnes connaissances en maths et dans divers langage de programmation, son approche est à la portée de tous. Voyons ensemble pour fixer les idées un exemple très simple d’algorithme de Machine Learning qui apprend sur des données et est capable de faire des prédictions.</p><h4>Jeu de données du Titanic</h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/600/1*rvl5SNEq9aAIjJilJEEv5g.jpeg" /></figure><p>On part du jeu de données classique des données historiques réelles des passagers du Titanic : un tableau (au format CSV) avec une ligne par passager et ses caractéristiques en colonne : s’il a survécu ou pas (1 survivant, 0 non survivant), son sexe (1 homme, 0 femme), la classe de son billet (1, 2 ou 3), son âge, le nombre de membres de sa famille à bord, le prix de son ticket en dollars.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Q43MHsDQOVx0wDr1lgUhRQ.png" /></figure><h4>Classification binaire</h4><p>La tâche est de créer un algorithme qui apprend à prédire la 1ère colonne à partir des autres, c’est-à-dire à classer les passagers du Titanic en 2 groupes, les survivants et ceux qui n’ont pas survécu, en fonction des caractéristiques des passagers.</p><p>L’algorithme va apprendre, pour chaque passager, sur le fichier CSV les liens qu’il y a entre les différentes caractéristiques du passager et le fait qu’il ait survécu ou non. Ensuite, étant donné les informations d’un nouveau passager, l’algorithme pourra prédire s’il va survivre ou non.</p><pre>import numpy<br>from sklearn.ensemble import RandomForestClassifier</pre><pre># lecture du fichier CSV<br>data = numpy.loadtxt(&quot;data.csv&quot;, delimiter=&quot;,&quot;)<br># on isole la 1ère colonne &quot;Survivant&quot; des données dans y, le reste dans X<br>X, y = data[:, 1:], data[:, 0]</pre><pre># instanciation du modèle<br>model = RandomForestClassifier()<br># apprentissage du modèle sur les données<br>model.fit(X, y)</pre><pre># prédiction pour une femme de 50 ans, en 1ère classe,<br># ayant payé sa place 70$ et ayant 2 membres de sa famille avec elle<br>print model.predict([1, 0, 50, 2, 70])<br># output &gt;&gt;&gt; 1<br># le modèle prédit qu’elle va survivre</pre><pre># prédiction pour une homme de 25 ans, en 3ème classe,<br># ayant payé sa place 6$ et étant seul de sa famille à bord<br>print model.predict([3, 1, 25, 0, 6])<br># output &gt;&gt;&gt; 0<br># le modèle prédit qu’il ne va pas survivre</pre><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=6e85f30c90d7" width="1" height="1" alt=""><hr><p><a href="https://medium.com/blog-bigdatext/le-hello-world-des-data-sciences-6e85f30c90d7">Le Hello World des Data Sciences</a> was originally published in <a href="https://medium.com/blog-bigdatext">Blog Big Datext</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Le Big Data, qu’est-ce que c’est au juste ?]]></title>
            <link>https://medium.com/blog-bigdatext/le-big-data-quest-ce-que-c-est-au-juste-89567c22268e?source=rss-6f529f87d8fe------2</link>
            <guid isPermaLink="false">https://medium.com/p/89567c22268e</guid>
            <category><![CDATA[data-analysis]]></category>
            <category><![CDATA[data-scientist]]></category>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[data-engineering]]></category>
            <dc:creator><![CDATA[Quentin Pleplé]]></dc:creator>
            <pubDate>Fri, 27 Jan 2017 15:54:14 GMT</pubDate>
            <atom:updated>2017-01-27T16:02:31.445Z</atom:updated>
            <content:encoded><![CDATA[<h4>Les 3 métiers du Big Data : Data Scientist, Data Analyst et Data Engineer</h4><p>Big Data est un grand mot parapluie qui désigne aujourd’hui tout ce qui touche de près ou de loin à la data dans l’entreprise. Il couvre bien sûr le Machine Learning (algorithmes qui apprennent tout seul à partir des données) mais aussi le Business Intelligence (analyser les données pour mieux comprendre le business) et le Data Management (gestion des base de données et des flux de données).</p><p>Une bonne manière de comprendre ce qu’est le Big Data est de regarder de plus près les métiers qui s’y rattachent. Le Big Data regroupe en fait 3 métiers qui intéragissent ensemble mais qui ont des missions bien différentes.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/300/1*3IMHt3ydx0uPA4KXPgFuow.jpeg" /></figure><p>Le <strong>Data Analyst</strong> est orienté métier. Il cherche dans les données des insights pertinentes, il creuse, fouille, explique le business à partir de stats. Des exemples de questions auxquelles il doit répondre à partir des données : pourquoi a-t-on vendu moins de chaussettes le trimestre dernier ? quels sont les profils de nos visiteurs ? quelle est la meilleure visualisation de cette stat pour le client ?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/300/1*fDWPt4sJM7RJ6_xmFnrzlw.jpeg" /></figure><p>Le <strong>Data Scientist</strong> est orienté maths et algorithmes. Il code des algorithmes de Machine Learning qui répondent à des questions précises, comme par exemple : ce mail est-il du spam ? ce client va-t-il se désabonner du service ? qu’est ce que cet utilisateur peut avoir envie d’acheter ? Il utilise des maths avancées pour construire, évaluer et optimiser ses algorithmes.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/300/1*9-K3KD7DI18OPBJvFS8RFA.jpeg" /></figure><p>Le <strong>Data Engineer</strong> est orienté infrastructure. Il est l’architecte des flux de données, des serveurs et des bases de données. Il peut être exposé à des problématiques comme : quelle base de données utiliser pour stocker ces données ? comment créer une infrastructure de calcul distribuée dans le cloud ? comment déplacer les données du serveur du client à mon data lake (gros dépôt de données en vrac) ?</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=89567c22268e" width="1" height="1" alt=""><hr><p><a href="https://medium.com/blog-bigdatext/le-big-data-quest-ce-que-c-est-au-juste-89567c22268e">Le Big Data, qu’est-ce que c’est au juste ?</a> was originally published in <a href="https://medium.com/blog-bigdatext">Blog Big Datext</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>