Avant tout, ce qui existe aujourd’hui en gestion de projet en science des données comme méthodologie de gestion de projet est issu de domaines connexes à la science des données (tel que le « data mining » ou encore le développement de logiciel).

À quoi ressemble une méthodologie optimale en science des données?

S’il fallait citer trois caractéristiques que doit avoir une bonne méthodologie en science des données, ce serait :

1. Être accès sur les données;
2. Avoir des processus itératifs;
3. Être accès sur les tâches (« task-focused »).

Mais d’autres critères sont à prendre en considération, comme l’industrie ou le domaine sous-jacent (l’industrie de l’assurance, le monde de l’ingénierie, l’industrie du jeu vidéo, l’industrie bancaire, etc.). La dynamique d’équipe est tout aussi importante, car une équipe de science des données qui est principalement attachée ou sous la coupole des T.I. et des équipes de développement aura tendance à se pencher vers une livraison en mode « développement de logiciel », une équipe de scientifique de données issues du monde de l’actuariat aura tendance à suivre les cadres de travail et méthodologies du monde de la statistique ou de l’actuariat et ainsi de suite.

Tout cela pour dire que le choix méthodologique dépend avant tout du contexte et de l’environnement et que celui-ci qui doit être cohérent avec l’approche sélectionnée.

Les méthodologies les plus répandues en science des données (toute industrie confondue) :

CRISP-DM:

Description :

« Cross Industry Standard Process for Data Mining » a été créé dans l’objectif de servir des projets de « data mining ». Considérée comme la plus utilisée, cette méthodologie permet de livrer des projets en mode « itératif », et cela autant que nécessaire. Divisée en 5 grandes étapes (Compréhension des besoins d’affaires, compréhension des données, préparation des données, modélisation, évaluation et déploiement).

Avantages :

• Mets l’emphase sur la compréhension des besoins d’affaires avant tout.
• Le mode itératif permet une intégration continue du projet.

Désavantages :

• La méthodologie n’est plus mise à jour par la communauté CRISP-DM.
• Les étapes de déploiement sont très peu adaptées au contexte actuel.
• Les étapes de préparation des données et de modélisation ne sont pas adaptées aux concepts de données de masses (« Big Data ») et aux concepts d’apprentissage profond (« Deep Learning »).
• N’inclus pas de dimension gestion des priorités.
• N’inclus pas de dimension travail d’équipe ou à plusieurs personnes dans le même projet.

Liens utiles :

• https://www.datasciencecentral.com/profiles/blogs/crisp-dm-a-standard-methodology-to-ensure-a-good-outcome
• http://dmg.org/

Agile Kanban:

Description :

Cette méthodologie adaptée à la science des données reprend les grandes étapes de la méthode CRISP-DM pour le transformer en flux de travail (« pipeline ») principalement accès sur la représentation visuelle du travail et la gestion des priorités bas niveau/haut niveau.

Avantages :

• Offre de la flexibilité sur le niveau de détail du flux de travail par projet. (De très granulaire à haut niveau)

• Permets une meilleure répartition des tâches par membre de l’équipe.

• Permets une meilleure gestion des priorités.

Désavantages :

• Ne permets pas de dériver facilement des processus d’itérations.

• La méthodologie ne va pas toujours prendre en considération les contraintes inhérentes au monde de la science des données.

Liens utiles :

• https://openclassrooms.com/fr/courses/4507926-initiez-vous-a-la-gestion-de-projet-agile/4517156-utilisez-la-methode-kanban
• https://towardsdatascience.com/data-science-agile-cycles-my-method-for-managing-data-science-projects-in-the-hi-tech-industry-b289e8a72818

Agile Scrum :

Description :

Cette méthodologie est axée sur la durée et l’intensité des efforts avant tout. Adaptée au monde de la science des données, elle permet un retour rapide avec des résultats « viables » et prêts pour être mis en production. Le focus est avant tout un focus produit.

Avantages :

• Les nouvelles versions de la méthode Agile Scrum incluent la formation en continu, durant le projet, afin de découvrir de nouvelles approches et techniques. Cela est adapté au monde très vaste et changeant de la science des données.

• Permets d’obtenir des premiers résultats très rapidement.

Désavantages :

• Le fardeau est avant tout mis sur le propriétaire du produit (ou product owner).

• Il faut d’avance définir la durée d’un sprint, ce qui en science des données peut être un exercice difficile.

• Généralement les sprints sont perçus comme des phases de développement intenses sans prendre le temps de mettre en perspective les besoins d’affaires définis. Cela peut entraîner le rajout d’autres sprints pour permettre de réajuster le travail en fonction des besoins redéfinis.

Liens utiles :

• https://blog.trello.com/beginners-guide-scrum-and-agile-project-management
• https://towardsdatascience.com/agiledatascience-3b7ca65278a4

Les manufacturiers logiciels et leurs méthodologies :

• Certains grands manufacturiers logiciels ont développé des méthodologies de gestion de projet, basées sur leurs années d’expertises. Certaines de ces méthodologies sont éprouvées dans le monde de la science des données.

SEMMA:

Description :

• SEMMA étant l’acronyme de « Sample, Explore, Modify, Model, and Assess » a été développé par l’institut SAS.

Avantages :

• Est axée sur la suite de produits SAS Enterprise Miner. Idéal lorsque le développement se fait sur les solutions SAS.

Liens utiles :

• http://support.sas.com/documentation/cdl/en/emcs/66392/HTML/default/viewer.htm#n0pejm83csbja4n1xueveo2uoujy.htm

IBM Cloud Garage Method :

Description :

• L’approche IBM Garage qui se focalise sur 6 grandes étapes. Issue du monde logiciel avant tout, l’approche cherche à inclure d’autres nécessités et prérequis à la fois au niveau Infrastructure et TI.  

Avantages :

• Focaliser sur les besoins d’affaires avec une approche produits grâce au concept de Design Thinking qui fait partie de la méthodologie.

• Prends en considération les besoins et enjeux TI.

Liens utiles :

• https://www.ibm.com/cloud/garage/

Microsoft TDSP :

Description :

TDSP étant l’acronyme pour « Team Data Science Process ». Microsoft a tenté de créer une approche englobante, qui permet de gérer toute sorte de projets en science des données (depuis l’analyse de données ad hoc, jusqu’au développement de solution d’apprentissage profond)

Avantages :

• Offre une forte flexibilité dans la mise en place de la méthodologie.

• Offre une gestion de cycle de vie complet. Avec à la fin de chaque cycle l’étape « customer acceptance ». Cette étape consiste à valider le post-déploiement et savoir si la solution a été adoptée par les usagers/clients.

Liens utiles :

• https://docs.microsoft.com/en-us/azure/machine-learning/team-data-science-process/overview

D’autres alternatifs ou variantes subsistes :

Le KDD : « Knowledge Discovery and Data Mining »

• https://www.kdd.org/kdd2019/

Le ASUM-DM : « Analytics Solutions Unified Method »

• ftp://ftp.software.ibm.com/software/data/sw-library/services/ASUM.pdf

Avec toutes les options possibles, que faut-il choisir?

La réponse est… ça dépend!

Il faut avant tout comprendre le contexte d’entreprise, la dynamique des équipes de science des données, le type de livrable. Ce qui est difficile est de se développer un standard de gestion de projet en science des données qui soit applicable en toutes circonstances, quelle que soit la nature du projet en science des données.

Si vous vous cherchez un cadre pour débuter vos projets en science des données. L’idéale est de commencer par des cadres standards tels que CRISP, ASUM, KDDS, TDSP pour par la suite pouvoir développer sa propre version interne basée sur l’expérience cumulée.

Pour ce qui est de la performance réelle de chaque méthodologie. Voici une étude menée par des chercheurs de l’université de Syracuse intitulée : « Comparing Data Science Project Management Methodologies via a Controlled Experiment », 2017. Cette étude m’a d’ailleurs inspiré cet article. Elle a pour objectif de comparer l’efficacité réelle de trois méthodologies en science des données auprès d’étudiants et de chercheurs.

Aussi, si vous cherchez à mieux comprendre comment débroussailler les terminologies en science des données : voici un article complémentaire https://www.datapro.quebec/intelligence-artificielle-vs-science-des-donnees/

The post Les méthodologies de gestion de projet en science des données appeared first on La science des données au Québec.

L’apprentissage machine (machine learning) appliqué au jeu vidéo est une excellente façon d’intéresser les plus jeunes à poursuivre des études dans les STEM (Science, Technologie, Engineering, Math). En effet, l’apprentissage machine (machine learning) est de plus en plus utilisé pour jouer aux jeux vidéo. Entre autres, l’apprentissage machine permet de développer des algorithmes qui jouent à votre place.

En moyenne, les jeunes passent entre 7 heures à 11 heures par semaine [1] à jouer aux jeux vidéo. Ce temps passé à jouer devant un écran pourrait être utilisé à de meilleures fins. Ainsi, l’apprentissage machine est une alternative qui permet aux jeunes de rallier leur passion à un domaine d’avenir.

Vous allez me dire, mais où est le plaisir de jouer au jeu vidéo si c’est une intelligence artificielle qui joue à votre place ? Le plaisir que procure le fait de jouer est remplacé par celui de développer un agent ou un algorithme qui a la capacité de faire de bons scores dans le jeu.

Exemples

Voici quelques exemples concrets qui vous donne une meilleure idée de ce qui se fait déjà en matière d’apprentissage machine pour jouer aux jeux vidéo. De plus, le domaine est encore en pleine croissance il y a donc beaucoup de marge de manœuvre pour améliorer ces modèles ou créer un algorithme pour votre jeu vidéo préféré.

FIFA

Article :  https://towardsdatascience.com/building-a-deep-neural-network-to-play-fifa-18-dce54d45e675

Code : https://github.com/ChintanTrivedi/DeepGamingAI_FIFA

GTA

Article : https://pythonprogramming.net/game-frames-open-cv-python-plays-gta-v/

Code : https://github.com/Sentdex/pygta5

COUNTER STRICK

Article : https://www.kotaku.com.au/2017/07/bot-connor-is-here-to-slay/

Code :https://github.com/jeefo/yapb

MINECRAFT

Article : https://www.engadget.com/2016/03/14/microsoft-wants-you-to-train-ai-with-minecraft/

Code : https://github.com/evhub/minecraft-deep-learning

Quel type de machine learning permet de faire cela?

Le Q-learning (branche du reinforcement learning) permet entre autres de développer des agents qui améliorent leurs compétences dans un champ très précis et permettant par la suite d’automatiser un processus, grâce à un enchaînement de fonctions qui définit un état, une action puis une récompense. Le jeu vidéo est l’un des domaines de prédilection pour l’application des techniques tel que le Q-Learning.

L’apprentissage machine supervisé, et plus précisément l’apprentissage profond des réseaux neuronaux, est une autre technique de développement d’algorithmes capables de jouer aux jeux vidéo. Cela permet entres autres de faire de la reconnaissance d’image (détecter une situation sur une image, détecter des objets, etc.). D’autres techniques d’apprentissage profond des réseaux neuronaux permettent de prédire quelle action doit être prise face à telle ou telle situation en prenant en considération un état ou une action passée (p. ex. LSTM).

Le Q-Learning et l’apprentissage machine supervisé étant les deux techniques les plus à la mode et permettant d’obtenir un résultat satisfaisant. Par contre, il ne faut pas oublier que le monde de l’algorithmie informatique est vaste et qu’il existe beaucoup d’algorithmes qui permettent de répondre à ce type de problèmes.

Comment?

Il y a deux challenges dans le développement de modèles d’apprentissage machine :

• Le temps d’entraînement nécessaire aux algorithmes (nombre d’épochs et d’itérations). Ce nombre est conséquent si l’on souhaite obtenir un résultat satisfaisant. C’est le cas surtout avec les algorithmes d’apprentissage profond.
• Le niveau de complexité des jeux. La majeure partie des jeux vidéo d’aujourd’hui ont un niveau de complexité important. Cette complexité des jeux se traduit par une multiplication d’algorithmes dans l’architecture de votre modèle permettant de résoudre le jeu. Pour clarifier, prenant l’exemple du jeu de soccer FIFA. Pour développer un modèle qui joue de façon avancée dans le jeu vidéo. Il est nécessaire d’avoir un algorithme qui permet de détecter les joueurs, le ballon, les cages des buts, les limitations du terrain (Tensorflow object detection API le fait d’ailleurs plutôt bien). Par la suite, développer une batterie d’autres algorithmes qui permettent d’enchaîner une série de mouvements tels que : drible, course, passe courte, passe longue, passe en profondeur, tire, etc.. Tout ceci nécessite un temps de développement assez important.

L’avenir des algorithmes gamers.

Aujourd’hui, on voit l’émergence fulgurante du concept de E-sport (très populaire en Asie et aux États-Unis). Ce concept veut que les joueurs de jeux vidéo s’affrontent en équipe pour remporter des tournois. Ces joueurs sont de plus en plus traités comme les joueurs de sports professionnels avec leur League, leurs admirateurs.

Il n’est pas absurde de penser que, dans les années à venir, le E-sport voit l’émergence du AI E-sport où des équipes d’ingénieurs s’affrontent par IA interposée pour gagner des tournois de jeux vidéo.

[1] https://www.statista.com/statistics/562473/us-number-of-hours-spent-playing-video-computer-games/

The post Les jeunes, les jeux vidéo et l’intelligence artificielle… appeared first on La science des données au Québec.

La science des données est en vogue de nos jours; on en parle, on l’étudie, on la recherche. Elle est vaste et contient plusieurs spécialités, plusieurs approches et plusieurs métiers, sans compter qu’il existe un bassin important de ressources et de cours en la matière.

Mais par où commencer pour faire naître et grandir de tels projets dans une entreprise ?

Identifier le point de départ

Commencez par faire la cartographie des compétences et ressources que vous possédez à l’interne, comme les langages de programmation, les modèles statistiques et les processus que vous employez. Cela vous permettra de mieux orienter les besoins en apprentissage.

Par exemple, au niveau du langage de programmation, il faut savoir que R et Python sont certes les langages les plus populaires, mais ne sont pas les seuls qui peuvent être utilisés en science des données. Les langages de programmation ne sont que des supports pour matérialiser vos pensées et projets; la vraie valeur technique réside dans les « librairies » accessibles et supportées par le langage de programmation.

Se poser la question quelles autres compétences internes sont pertinentes ?

Aussi pour mieux naviguer dans les terminologies référez-vous à l’article : Intelligence d’affaires, Intelligence Artificielle, Analytique Avancée, Science de la donnée : Quelle différence ?

Établir la destination

La prochaine question à se poser est la suivante : quel objectif souhaitez-vous atteindre grâce à la science des données ?

La science des données peut vous permettre la modélisation prédictive pour des bases de données marketing, la création de systèmes de recommandation, le machine learning et bien plus. Identifiez le rôle et les ramifications qu’aura la science des données au sein des opérations de votre entreprise pour ensuite comprendre les outils et techniques sur lesquels miser. Autrement dit, identifiez la ligne d’arrivée afin d’établir le chemin à prendre pour s’y rendre.

Avec votre cartographie des compétences et votre cible d’intérêt en main, il vous faut maintenant les ressources nécessaires à la réussite de votre projet.

Experts en science des données, Necando offre des webinaires gratuits pour mieux comprendre le domaine et apprendre à utiliser les outils à votre disposition. Profitez-en et donnez vie à vos projets d’entreprise!

S’inscrire

The post La science des données en entreprise par où commencer ? appeared first on La science des données au Québec.

Afin d’illustrer comment les solutions libre-service en analyse de données peuvent vous permettre d’accomplir des études dignes d’un expert en science des données, nous avons créé une étude de cas en 2 parties, qui porte sur une solution déployée pour l’entreprise Prudential.

Voici la partie 2 de l’étude de cas sur comment devenir data scientist. Également nous discutons de la création et du test des modèles et présentons les résultats.

Dans la première partie de l’étude de cas, nous avons présenté le contexte d’entreprise et l’objectif de l’analyse. Nous avons également abordé les étapes 1 et 2 de la solution, ainsi que les logiciels proposés pour accomplir celles-ci. Voici la suite :

SPSS Modeler accompagne l’analyste depuis la visualisation de données jusqu’à la modélisation :

L’étape 4 de la création et du test des modèles en est une autre qui est assez fastidieuse. Les modules automatiques de SPSS Modeler peuvent toutefois venir en aide ici aussi pour sélectionner les modèles les plus précis et obtenir une analyse post-modélisation plus rapidement. Du côté de Prudential, nous utilisions le module « Auto Classifier » afin de créer et tester les modèles.

Résultat :

Le résultat de notre solution présente une précision globale de 73.84%, qui se traduit par un « Quadratic unweighted kappa » de 65.1% (index mesurant la précision des résultats par rapport aux vraies réponses).

Sachant que les données ont été extraites d’une compétion Kaggle (plateforme de compétition en science des données). 65.1% en score kappa place notre modèle basée sur l’analyse automatique dans le top 40% des résultats soumis par plus de 2619 data scientists. Et cela en seulement quelques heures de travail.

Une fois ces résultats obtenus, il faut poursuivre avec le déploiement du modèle en API pour pouvoir l’intégrer. Pour ce faire, le module Watson Machine Learning[1] permet d’encapsuler le modèle créé ainsi que le flux de préparation et de manipulation de données. Il permet aussi de partager des clés d’accès API avec les développeurs de ton équipe. Ces derniers se chargeront de l’intégration avec la plateforme client. Notez que l’API est en REST et est configurable avec n’importe quel langage de programmation. L’encapsulage se fait par un simple téléversement du flux SPSS sur l’interface du service Watson Machine Learning créé sur Bluemix. (outil de « Platform as a service » d’IBM)

Conclusion

Grâce à SPSS Modeler, nous avons pu bâtir une solution prédictive complète et déployer celle-ci en API en un temps record. Cela fait contraste avec le temps nécessaire d’un expert en science des données. En somme, pour déployer des solutions raffinées de science des données, il suffit d’être outillé correctement et de s’entourer des bons experts. Pour en savoir davantage sur les produits SPSS et sur la science des données, ou encore pour une formation avancée, contactez les experts de Necando (lien vers la page contact du site). Il nous fera plaisir de supporter votre croissance!

[1]Watson Machine Learning (aka IBM SPSS Embedded Predictive Modeling API)

Accédez à au début de l’étude de cas: Comment devenir data scientist. Pour consulter la mise en contexte et la visualisation.

The post Devenir data scientist sans doctorat c’est possible – Partie II appeared first on La science des données au Québec.

Préparez le terrain

Soyez à l’écoute. Il est important de comprendre la source de résistance aux projets avant de faire son pitch pour être un  » data science evangelist  » efficace. Vous pourriez découvrir de vos collaborateurs et supérieurs qu’il s’agit simplement d’une mauvaise compréhension et/ou une méconnaissance de la science des données (e.g. « l’intelligence artificielle va remplacer les humains ! » ou encore « la science des données c’est seulement pour les multinationales ! »). Soyez attentif à ce qu’il se dit afin d’améliorer et personnaliser votre approche avec chaque intervenant dans l’entreprise lorsque viendra le temps de vendre votre idée.

Commencez petit pour finir grand

Avec les tendances dans le marché de la science des données il est facile de viser haut et de subir un échec. C’est le cas surtout à ce qui touche à l’intelligence artificielle. Utilisons le parallèle du nouveau conducteur automobile : généralement, on se tourne vers un véhicule d’occasion fonctionnel pour débuter. Pour ensuite s’offrir un véhicule neuf plus haut de gamme, une fois ayant acquis une certaine expérience de conduite.

Cette logique incrémentale s’applique aussi en entreprise. Si celle-ci n’a que peu ou pas de maturité en analytique descriptive («reporting », « alerte », « metrics »…) évitez de proposer des initiatives en analytique prédictive ou en système expert. Au-delà de la résistance face à un tel changement, vous exposerez l’entreprise à une forte probabilité d’échec dans la mise en place du projet. En tant que  » data science evangelist  » faites-vous les dents sur des projets de plus petite envergure. Par la suite lancez-vous dans des pratiques avancées comme l’analytique prédictive ou les systèmes experts.

Identifiez les champions

Dans chaque équipe ou ligne d’affaires, on retrouve un spécialiste du domaine. Ce Champion s’est établi comme la référence de son secteur grâce à ses connaissances approfondies de tous les processus d’affaires qui sont indispensables pour le bon fonctionnement de l’unité. Cette dynamique lui confère un pouvoir de persuasion sur ses collaborateurs qui vous sera nécessaire pour véhiculer votre message et vos initiatives au sein de son groupe.

Le  » data science evangelist  » commence donc par identifier et enrôler ce Champion. Cela grâce à l’organisant des démonstrations et des sessions de travail. Son support facilitera votre travail  » data science evangelist « .

Le temps est l’allié du « data science evangelist « 

Le quatrième élément clé à retenir pour la mise en place d’un projet en science des données est le suivant : le temps joue en votre faveur. Il est possible que votre initiative, aussi novatrice et bien intentionnée soit-elle, ne résonne pas à l’interne. Ne baissez pas les bras; tout est une question de temps. Peut-être votre entreprise a-t-elle des priorités rigides à respecter pour le trimestre en cours. Continuez à véhiculer votre message et votre enthousiasme, on finira par vous entendre. La patience est la qualité première d’un bon  » data science evangelist « .

Quels que soient votre champ d’action (migration vers l’infonuagique, robotique, DevOps…), vous pouvez mettre en application les quatre piliers proposés. Enfin, que votre projet ne soit encore qu’une idée ou que vous en soyez à la phase de déploiement, faites appel à notre équipe d’experts  pour vous accompagner dans vos démarches et jouer le rôle de facilitateur.

[1] http://www.gartner.com/newsroom/id/3130017

The post « data science evangelist « , comment devenir le moteur de changement dans votre entreprise : la clé du succès de vos projets avant-gardistes   appeared first on La science des données au Québec.