Le blog Jedha

L'IA comparée au Big Brother de 1984, vision des métiers de la Data et du secteur, Charles, Content Master chez Jedha nous fait aborder tout un tas de problématiques relatives à la Data ! Une interview complète à lire sans modération.

D'une carrière dans le SEO et l'analyse web, Adrien a rapidement crée une appétence pour l'analyse de la donnée et a souhaité monter en compétences. Il a donc suivi la formation Fullstack à temps partiel, et 6 mois après, il est maintenant Data Scientist pour TF1 ! Il nous raconte son histoire.

Après un cursus en bio informatique et des expériences dans le secteur, Hayet décide de s'orienter vers les Data Sciences. Elle suit ses programme Essentials & Fullstack averc Jedha, et obtient son poste de Data Scientist dès son Demoday !

Nous le savons tous, les algorithmes de tous les réseaux sociaux que nous utilisons sont bien rodés avec un mot d'ordre : favoriser l'intéraction avec du contenu qualitatif. Mais de quoi s'agit-il exactement ? Parlons aujourd'hui du réseau social professionnel le plus utilisé : Linkedin. Marie Fray, influenceuse & coach en visibilité Linkedin nous explique aujourd'hui en quoi l'algorithme de Linkedin est-il si particulier, et nous livre ses best practice pour favoriser l'intéraction sur ses publications.

Beaucoup de personnes qui se lancent dans la Data se demandent comment est-ce qu'elles pourraient réussir dans le milieu. Il y a maintenant pléthore de ressources et c'est vrai qu'il peut être compliqué de s'y retrouver. Voici un article et une vidéo pour vous donner tous nos conseils afin de démarrer dans le métier, et ne pas tomber dans des travers qui pourraient vous faire perdre du temps et de la crédibilité.

Le Natural Language Processing ? Quelles sont ces méthodes, à quoi servent-elles ? Quels sont les outils ? Quels algorithmes sont à utiliser ? Nous vous expliquons tout ici. Le NLP consiste en fait à modéliser, à reproduire la capacité que l’on a de comprendre des énoncés linguistiques dans le but de communiquer.C'est un univers dont les applications nous entourent tous les jours et qui est à la croisée de l' informatique, de l'IA et des sciences linguistiques.

Depuis plusieurs années, le secteur de la Data a énormément évolué. De nombreux et différents métiers sont apparus, devenant compliqué de tous bien les distinguer. Voici une liste de ces nouveaux métiers !

Le succès de ces classes virtuelles nous a poussé à décider de maintenir un format hybride présentiel / distanciel après le déconfinement, laissant la liberté aux élèves de choisir de venir sur le campus ou de rester à distance. 🕊️

L’interview de Pierre-Antoine, notre supra Maître Jedha, spécialisée dans l’imagerie médicale ! Enseignant à la première promotion Fullstack Lyonnaise, il est intervenu sur les 3 dernières semaines constituantes des modules Carrière et réalisation de projets. Retrouve ici tous ses conseils et bonnes pratiques, que tu sois autodidacte, élève actuel, futur ou tout simplement intéressé par la Data !

La crise sanitaire due à l’épidémie de COVID-19 qui nous frappe affecte tous les secteurs. En premier lieu, et en première ligne du front, le secteur des travailleurs hospitaliers et médicaux, de qui nous saluons chaque jour la bravoure. Nous sommes ainsi convaincus que malgré les conditions imposées par la situation, les activités qui peuvent se maintenir sans risque et dans le respect absolu de la sécurité de tous, le doivent !

Pour ses 2 ans, Jedha lance un 3e programme, le bootcamp Data Engineering. Après les fondamentaux en Data Science, le programme FullStack permettant de se professionnaliser dans le secteur, ce 3e programme fera un focus sur la dernière étape d’un projet IA, l’industrialisation du modèle. L’idée derrière ce programme : Acquérir un double set de compétences ultra-recherché, les casquettes Data Scientist / Data Engineer. Dans quel cadre s’inscrit ce dernier métier ? Quelles compétences à acquérir ?

Après un cursus en école de commerce, Boukar lance son application : Plaiz, un réseau social dédié à la mode. Son ambition ? Intégrer un algorithme de recommandation de contenu pour améliorer les expériences de ses utilisateurs.

Une fois que vous avez construit votre modèle de Machine Learning, quelles sont les prochaines étapes ? Il va falloir l’évalue puis l’améliorer si ses performances ne sont pas bonnes. Une baseline vous permettra de démarrer cette analyse.

Dans les technologies liés au Deep Learning, nous pouvons différencier 2 environnements distincts : l’environnement de développement permettant de créer des modèles de prédiction, de classification, de reconnaissances, de segmentation ; en somme des modèles de traitement de données, et celui de mise en production. Ce dernier va permettre de passer à échelle ces modèle afin de les faire bénéficier aux acteurs métiers de l’entreprise (par exemple, permettre à des équipe d’EDF de reconnaître automatiquement des anomalie sur des poteaux électriques).

Les applications du Deep Learning se retrouvent très souvent dans nos quotidiens, sans même que l’on ne s’en rende compte ! Les principales applications étant aujourd’hui de 2 types : le traitement d’images, et le traitement de texte. Creusons ici chacune d’entre elles.

Machine Learning & Deep Learning sont devenus des termes extrêmement utilisés dans le cadre de nos activités, avec des applications toujours plus nombreuses. Lorsque l’on parle de Deep Learning, nous parlons d’algorithmes capables de mimer les actions du cerveau humain grâce à des réseaux de neurones d’où le terme d’Intelligence Artificielle.

En décembre 2019, nous fêtions l’anniversaire 🎂 de Jedha. Cela fait maintenant plus de deux ans que nous construisons cette école avec toujours autant de passion. Je souhaitais donc profiter de l’occasion pour revenir sur tout ce que nous avons appris depuis notre création et ce que nous avons pu accomplir pour construire notre école de la Data ! Nous avons beaucoup évolué depuis que nous existons. Et finalement, l’élément qui nous a structuré depuis le départ a été notre volonté d’aider notre communauté à grandir, grâce à la connaissance que l’on pouvait leur apporter. Depuis notre premier élève, nous mettons un point d’honneur à donner la meilleure expérience possible à nos apprenants. Pour cela, nous nous reposons sur 4 piliers fondamentaux : L’engagement de l’équipe 💑 Les contenus pédagogiques 👌 La communauté ❤️ Les connexions avec le monde de l’entreprise 🤝 La timeline de Jedha complète ici !

La Force Athlétique est un sport de force dérivé de l’haltérophilie, dont l’objectif est de soulever une charge maximale sur 3 mouvements : le squat (flexion de jambes), le bench (développé couché) et le deadlift (soulevé de terre). L’athlète a 3 essais par mouvement et le classement est fait sur le total (somme des charges réalisées sur les 3 mouvements). En France la première fédération officielle est la ffforce (fédération française de force), affiliée à la fédération internationale IPF (international powerlifting federation).

Plus de 85% des Alumni des 4 promotions Full-Stack ont réalisé leur projet professionnel ou sont déjà en poste, avec un temps de retour à l’emploi sous 3 mois en moyenne. Ceci est le résultat très satisfaisant de la récente enquête d’insertion menée auprès des Alumni de la session Full-Stack, à la veille du Demoday de la 5ème promotion ! Un mot d’ordre : la diversité des opportunités dont jouissent nos alumnis à la fin de leur formation Fullstack.

Améliorer son taux de conversion, son ciblage, mieux connaître son audience fait partie des grandes missions de chaque entreprise. Les méthodes de Machine Learning nous permettent maintenant de mieux comprendre tout ceci, en analysant les comportements et interactions d’un très grand nombre d’utilisateurs ! Ici nous allons parler d’une problématique centrale : comment optimiser ses publicités dans les médias digitaux (les sites internet du Monde, Le Point, Le Parisien etc), en suivant la stratégie des annonceurs (marques voulant diffuser leurs publicités) et les visiteurs du site internet.

Article rédigé par Mohamed Zebli, élèves de la 5e promotion Fullstack – la 4e à temps complet. On peut souvent entendre dire qu’un langage de programmation orienté object Python apporte de grands avantages de la modularité, l’abstraction, la productivité et ré-utilisabilité, la sûreté… Python en est lui même un, d’ailleurs une des raisons pour lesquelles il est aussi populaire. Mais qu’est-ce que la Programmation Orientée Objet (POO) ? Pourquoi est-elle si utile ?

Le programme Fondamentaux des Data Science ! Corentin l’a suivie accompagnée de sa professeure Andreea, Data Scientist chez Devoteam afin d’acquérir les compétences clés pour bien démarrer dans la Data Science. Passé directement sur la formation Fullstack, il nous explique maintenant son parcours, ses objectifs précis, son expérience de formation. Corentin travaille maintenant chez Keyrus Lyon sur des problématiques de Data Science et de BI, bravo à lui ! Toutes nos sessions Lyonnaises ici 🙂

Dans ce projet Machine Learning final réalisé après sa session des Fondamentaux en Data Science, Nisrine met en place un algorithme de Machine Learning supervisé pour prédire le prix d’une action sur un marché public. Un avant goût des larges possibilités qu’offre la Data Science dans le secteur financier !

Article écrit par Lionel Chaumien, élève de la Fullstack Batch #4 pour un de ses projets de session.

Par Thomas Bazzi – Élève du programme Fullstack. Pendant mes 5 ans d’études en informatique et mes 10 ans de carrière en développement, j’ai croisé pas moins d’une centaine de langages de programmation, des plus simples aux plus complexes, des plus « mainstream » au plus obsolètes. À chacun ses caractéristiques, sa syntaxe, ses forces et ses limites. Aujourd’hui il existe des milliers et des milliers de langages de programmation, mais seulement une petite « élite » se distingue par domaine (Web, systèmes embarqués, logiciels de gestion…). La question qui se pose donc : Pourquoi Python est-il devenu l’une de ces élites? Pourquoi est-il le langage préféré des Data scientists ? Plusieurs facteurs ont fait que de de langage un acteur incontournable dans beaucoup de domaines, notamment celui de Data science. Ici j’énumère quelques facteurs clés :

Animant bientôt un événement avec Jedha Lyon, Alison est Data Scientist depuis près de 4 ans ! Dans cette interview, elle nous parle de son parcours, du marché du travail en Data Science à Lyon, et nous donne des conseils pour rester en veille technologique.

Une première session Lyonnaise s’achève : Gwénaëlle nous raconte son expérience de formation ! La pédagogie de Thomas, son professeurs, les conseils qu’elle a pu recevoir, la réalisation de son projet final, les modules étudiés, le marché de la Data Science à Lyon, elle nous explique tout !

En première année de master STAPS, Jean souhaite devenir préparateur sportif. Il réalise peu à peu que le mode d’apprentissage ne lui convient pas, et décide de changer complètement de voie. Après 4 mois de formation chez Jedha, le voilà Business / Data analyst chez Oppidum, agence de communication spécialisée dans le secteur automobile. Toute son histoire ici, de ses premiers pas dans la Data jusqu’à l’obtention de son job, en passant par les conseils qu’il donnerait !

Suite à son programme Fondamentaux, Antoine Guerrini, étudiant en Design nous livre son retour d’expérience : professeurs, communauté, pédagogie, tout y passe ! Antoine est maintenant élève du programme Fullstack, son interview complète en vidéo ici !

After 7 years in the Insurance Industry, Agata wanted to get more technical on her daily tasks. After her Fundamentals and Fullstack Bootcamp, she got hired by Direct Assurance as a Data Scientist ! Here’s the project she lead at the end of her Fundamentals bootcamp.

« Vous pourriez également aimer…. » Les systèmes de recommandation sont utilisés dans divers secteurs, utilisés par exemple par Netflix, Amazon, Reddit pour vous proposer des produits ou services les plus adaptés à votre profil ou centre d’intérêts. Mais ces applications sont loin d’être les seules. Dans ce workshop, Aurélie vous expliquera notamment comment sont construits de tels modèles. Retrouvez sa présentation sur Slideshare.

Les termes d’Intelligence Artificielle, de Big Data, de Machine Learning fleurissent aux sein des projets menés par tous les acteurs, publics ou privés. Tous ces termes sont mis sous l’ombrelle de la Data Science. Analyser ses données clients, fournisseurs, partenaires etc devient vital pour les entités, et permet maintenant d’en prendre des décisions et directions bien plus éclairées

Dans cette nouvelle session des Fondamentaux, on a expérimenté une nouvelle approche pédagogique : le coaching des élèves de ce programme par nos Data Scientists en devenir du bootcamp Fullstack ! Tous ont pu asseoir rapidement leurs compétences, s’entraider et se donner des tips techniques 😉 Vous trouverez ici certains projets finals d’élèves du bootcamp Fondamentaux : après leurs 40 heures de formations, ils ont réalisés des projets tous plus intéressants les uns que les autres. Toutes leurs slides en cliquant sur le nom du projet !

Tout commence par un rêve. Le nôtre s’est matérialisé autour de nos deux passions : l’enseignement et la technologie. Nous avons donc fondé JEDHA, l’école dédiée à la Data Science.

Services de livraisons en tous genres, transport de marchandises, la logistique représente un enjeu important depuis l’avènement du e-commerce. Lors de cette conférence, Cédric, co-fondateur @ Citodi nous parle des possibilités qu’offre l’intelligence artificielle pour optimiser toutes ces chaînes, et des parts que l’humain et la machine doivent prendre des ces processus décisionnels. Vous trouverez les slides du workshop ici.

Certains producteurs affirment être sûrs de pouvoir prédire les chansons qui deviendront des hits. J’ai décidé de creuser le sujet, et de voir si les données / metadata des chansons pouvaient répondre à la question suivante. Peut-on savoir si une chanson va devenir un hit, grâce à ses metadata ?

Analyser des comportements d’achats, d’utilisateurs Web, de retombées de campagnes, la Data Science est maintenant un outil important pour l’aide à la décision. Dans ce webinar, Alison – Data Scientist @ Econocom – répondra à toutes vos questions sur le métier de Data Scientist et vous partagera son expérience. Vous pourrez aussi découvrir toutes les possibilités qu’offre la Data Science dans une stratégie marketing.

Après près de 30 sessions de formations en Data Science sur notre campus principal, à Paris, Jedha Bootcamp se déploie à Lyon ! Nous sommes extrêmement fiers de ce développement dans un autre poumon économique français et allons faire de vos bootcamps des expériences tout aussi enrichissantes professionnellement ! Notre bootcamp Data Science à Lyon ! Nous profitons donc de cette grande étape dans notre vie d’école pour vous partager un décryptage du déroulement de nos sessions de cours. L’enseignement par la pratique, et les pairs, dans des classes à effectifs réduits, le tout dans un format court et intensif, la recette d’un bootcamp réussi !

À la suite de leur programme Fondamentaux, Bonnie & Clara nous partagent leurs retours d’expérience ! Marta est chargée de programme & du plaidoyer en ONG, Bonnie quant à elle achève ses études et se dirige vers la Data Science. Elles nous donnent ici leur retour d’expérience.

Aujourd’hui je vais vous montrer comment faire de la segmentation client de façon simple et rapide, grâce à la data science. Le travail que j’ai restitué à la fin de mon programme de formation portait sur la segmentation client dans le secteur bancaire. La segmentation client va notamment vous permettre de personnaliser les offres pour délivrer la bonne offre, au bon moment et à la bonne personne. // Le profil Linkedin de Thao //

De plus en plus demandés par les recruteurs de tous types d’entreprises, les Data Scientists ont pris une importance considérable dans leurs processus de décision. Lors de cette session Ask My Anything, nous répondrons à toutes vos questions sur le métier de Data Scientist après vous avoir donnés nos astuces et conseils. Retrouvez les slides de la présentation sur Slideshare !

Le jeu de donné choisi a été sélectionné sur Kaggle. J’ai choisi ce dataset car j’ai trouvé que ce serait intéressant et utile d’être capable de prédire les personnes qui rembourseront leur crédit, et celles qui ne le feront pas. L’objectif du projet Machine Learning est de prévoir et anticiper les clients à risques.

Suite à son programme Fullstack, Mathieu, spécialiste en marketing digital est passé Data Scientist chez Keyrus ! Nous vous partageons son retour d’expérience, témoignage pris à la fin du Bootcamp. Son interview vidéo ici !

En partenariat avec la French future Academy (Design Thinking Bootcamp), Barney (agence de Growth Hacking) et 40/60 (studio de Design) nous avons animé un workshop ayant pour thème l’alliance du Design et de la Data plus précisément la pensée Design & la Data Science. Retrouvez le slideshow de l’événement sur Slideshare

De plus en plus demandés par les recruteurs de tous types d’entreprises, les Data Scientists ont pris une importance considérable dans leurs processus de décision. Romain, Data Scientist dans l’Edtech nous fait le plaisir de répondre à toutes vos questions sur le métier, les méthodes à adopter, et surtout des compétences requises pour devenir Data Scientist. Retrouvez l’intégralité de la session AMA sur Youtube, toutes les questions posées sont dans la description. Aussi, les slides sur Slideshare.

Même s’il s’agit d’un organisme à but non lucratif, TED reste une entreprise avec des investisseurs qui veulent voir des retours sur les chiffres, notamment par rapport au nombre de visualisations sur Youtube, et les revenus conséquents des publicités. Ce projet vise à prédire cette popularité grâce un certain nombre de variables.

Aujourd’hui, les objets connectés sont partout et nous entourent sans même s’en apercevoir : téléphones, transports, musique, montres, « The Internet of Things » (IoT) a pris une part importante dans notre vie. En nous montrant des cas d’usages des entreprises telles que la NASA, Airbus, Red bull et d’autres, Sean nous expliquera comment ils fonctionnent et comment sont gérées toutes ces données récoltées.

Prédire, collecter, recommander. Quels sont aujourd’hui les usages concrets du Machine Learning en entreprise ? Adoptés par un nombre grandissant d’entreprises, les outils d’automatisation bousculent aujourd’hui les codes et process métiers. Ce workshop vous permettra de comprendre et d’expérimenter l’impact du Machine Learning sur la construction de modèles prédictifs puissants et leurs usages multiples.

Retrouvez l'interview d'Antoine, réalisée par Switch Up et découvrez-en plus sur la création de Jedha, sur nos programmes et sur notre Bootcamp ! Nous découvrir sur Switch-Up (L'interview est disponible à la fois en Français et en Anglais)

Beaucoup de nos élèves se posent la question : “je n’ai pas de diplôme d’ingénieur, est ce que je peux vraiment devenir data scientist ou au moins entamer une carrière dans la data ?”. La réponse est oui. Même si un tel diplôme aide, il n’est pas nécessaire d’avoir un master en ingénierie ou en statistiques pour devenir Data Scientist. Un des meilleurs moyens d’obtenir un job est d’avoir de l’expérience. Et, de l’expérience, cela s’acquiert par des projets. C’est ce que nous voudrions développer dans cet article

Dans ce workshop, Nicolas nous explique ce qu’est le RGPD, et surtout comment implémenter ce règlement dans son entreprise. Promulgué depuis le 25 mai 2018, le règlement général pour la protection des données doit être appliqué à tous les acteurs de l’Union européenne (Etats, collectivités territoriales et entreprises) dans son intégralité dans un délai de tolérance de 2 ans. Ce règlement s’applique à toute entreprise manipulant des données personnelles de citoyens européens, même si celle-ci est basée à l’étranger. Cette règlement concerne tant les données papiers que les données informatisées. Retrouvez les slides sur SlideShare.

Bienvenue dans cette introduction pratique à Python. Dans ce workshop, nous allons apprendre ce qu’est un éditeur de texte, une console et voir les concepts fondamentaux liés au langage Python. Tout ceci à travers une application simple et drôle : un quiz !

La demande de Data Scientists se fait ressentir dans les entreprises de tous secteurs. Et, comme bien des métiers de la tech, nous pouvons avoir certains a priori sur ces métiers.

Comme beaucoup, vous avez surement été amené un jour à placer votre logement sur Airbnb. Belles photos, mise à disposition d’équipements divers, tout y passe. Mais une question majeure et souvent discriminante de votre annonce reste celle du prix. Ce projet vise à en simplifier la fixation par rapport à la concurrence, les autres annonces

Ce projet Machine Learning réalisé par Khadija – chimiste de formation – à la fin de son bootcamp des Fondamentaux (40 heures) vous donne un aperçu complet des 2 modèles principaux enseignés pendant la formation : les régression linéaires & la régression logistique ! Bonne lecture

Les applications du Deep Learning et du Machine Learning se font dans bien des secteurs d’activités et domaines. Bien évidemment, parfois, les algorithmes développés nous surprennent.

C’est une branche du Machine Learning très prometteuse. Que ce soit pour reconnaître des visages sur des images, analyser des textes et les interpréter automatiquement ou encore avoir des voitures qui conduisent toutes seules, les applications du Deep Learning sont nombreuses. Aujourd’hui, nous vous proposons un workshop qui va vous permettre de comprendre ce domaine et voir en quoi nous pourrions concrètement l’utiliser. Retrouver les slides du workshop sur Slideshare

Waiter, est une plateforme SaaS permettant aux restaurateurs, dans un environnement social et grâce à un algorithme de matching, de recruter le candidat qui correspond à leurs besoins. Notre but est d’améliorer l’expérience de recrutement en analysant sémantiquement la verbatim contenu dans les offres (les phrases et énoncés), et de le faire concorder avec les profils des candidats qui postulent à leurs offres

Certains disent que c’est la nouvelle révolution technologique après l’avènement d’internet. La Blockchain est un système de sécurisation, de transmission et de stockage de données qui ne requiert pas d’organisme de contrôle pour son bon fonctionnement. Les applications de ce nouveau système sont multiples : la banque, la musique, la monnaie et bien d’autres secteurs peuvent être touchés.

Vous vous êtes déjà surement posé ce problème : vous voulez acheter un ordinateur au meilleur prix, mais vous faites face à plusieurs difficultés. Il y a beaucoup de critères à prendre en compte, dont certains sont assez techniques, et vous n’avez pas tellement le temps pour vous informer précisément.

Savoir analyser des données et en tirer des résultats n’est qu’une partie du travail du Data Scientist. Présenter des résultats de manière synthétique et pertinente entre aussi dans l’arsenal des compétences nécessaires pour exceller dans le métier. C’est ce qu’on appelle la Data Visualisation. Durant ce workshop, Kent Aquereburu, Data Scientist chez Société Générale, vous présentera les best-practices à connaître pour réussir dans ce domaine. Retrouvez les slides du workshops sur SlideShare

Axionable est une société d’ingénieurs et d’innovateurs dont le but est d’accompagner les entreprises dans leurs projets Data. En seulement 2 ans d’existence, l’entreprise a pu venir en aide à de belles entreprises comme le Crédit Agricole, BNP Paribas, Auchan, M6 ou encore TF1. C’est dans ce cadre que nous avons interrogé Adrien Acquistapace, pour qu’il nous explique ce que c’est que d’être consultant en Data Science.

Partoo est une startup dont le but est de donner de la visibilité des entreprises locales sur internet et ainsi, permettre aux commercants de mieux connaître leurs clients et de générer plus de trafic dans leurs magasins. En quatre ans d’existence, l’entreprise a énormément grandie passant de deux fondateurs à une équipe d’une trentaine de personnes ! C’est dans ce contexte qu’évolue Antoine Nuttinck, Data Scientist et nous explique les projets qu’il mène pour la startup. Nous l’avons posé quelques questions sur son travail pour savoir comment il faisait avancer ses projets.

Au cours des 5 dernières années, nous avons créé plus de données que depuis les débuts de l’humanité. Nous produisons aujourd’hui tellement de données qu’il devient difficile de les gérer. C’est ce qu’on appelle le Big Data. Nous avons eu le plaisir de recevoir pour notre workshop, Victoria Galano, Data Scientist chez Air France qui a pu éclairer notre lanterne sur ce qu’est le Big Data et ses applications dans le monde de l’entreprise

Vous êtes vous déjà demandé comment Netflix savait quels films vous recommander, comment Facebook était capable d’identifier votre visage sur une photo ou encore comment Uber pouvait construire des voitures sans chauffeur ? Tout cela est possible grâce à ce qu’on appelle le Machine Learning. Dans cet article, nous allons vous faire découvrir ce domaine d’avenir.

Aujourd’hui et pour les années à venir, les data sont un levier de création de valeur pour les entreprises. Il faut cependant les comprendre et les maîtriser ; c’est là qu’intervient le métier de Data Scientist. Fort de ses compétences techniques, le data scientist est rare sur le marché et se fait largement courtiser. Si vous envisagez une carrière dans ce métier, voici 4 moyens d’arriver à vos fins.

Le domaine du Big Data est récent et avec lui beaucoup de nouveaux métiers ont émergé pour recueillir et analyser des données et prendre des décisions ou déployer des solutions techniques. CDO, CPO, Data Analyst, Data Scientist, nous vous aidons à décrypter et à comprendre tous les métiers de cet univers.

Du moment qu’il y a des données, les Data Sciences peuvent être utilisées. Si certains d’entre vous ont l’âme d’un parieur et souhaitent éclairer leurs décisions par des statistiques, nous avons créé un algorithme qui permet de prédire l’équipe gagnante d’un match de la coupe du monde. Cet algorithme vient, en partie de Dr James Bond et de son projet sur Kaggle : Soccer World Cup 2018 Winner. Celui-ci se basait cependant exclusivement sur les classements Fifa de chaque équipe. Nous y avons ajouté les statistiques moyennes de chaque joueur et de chaque équipe dans l’équation. En plus de cela, nous avons opté pour un modèle de Deep Learning de Réseau de Neurones pour gagner en précision. Voici donc une explication du projet, étape par étape. Pour ceux qui souhaitent simplement avoir les résultats prévisionnels, vous pouvez scroller directement à la fin de cet article 😉

Les termes Machine Learning, Big Data, Deep Learning sont nouveaux, porteurs d’innovation et de plus en plus répandus. Ceci n’est qu’une partie du domaine des Data Sciences. En plus des salaires attrayants, ce secteur connaît une demande de plus en plus accrue au sein des entreprises. Nous vous expliquons pourquoi.

Le Machine Learning, composant essentiel des Data Sciences, est devenu très populaire. Il existe depuis que nos ordinateurs sont assez puissants pour traiter l’énorme masse de données nécessaires au bon fonctionnement de ces algorithmes. Etre capable de comprendre et utiliser ces modèles sont donc devenues des compétences très recherchées par les recruteurs. Cet article va vous donner les clés pour commencer votre apprentissage du Machine Learning.

Les Data Sciences font de plus en plus parler d’elles. Savoir les manier c’est s’assurer de se placer dans la catégorie des profils les plus recherchés par les recruteurs. Les mathématiques et la maîtrise des statistiques ne sont pas les seules connaissances à avoir, il vous faudra apprendre à coder en Python, lire des tableaux de visualisation et utiliser SQL. N’ayez pas peur, c’est beaucoup plus simple que cela n’y paraît, nous allons vous donner les clefs pour transformer les Data Sciences en un jeu d’enfant et identifier les compétences à développer pour devenir Data Scientist!