La créativité d’un Data Scientist
Pensez à un boulanger créatif : l’image qui surgit dans votre esprit est probablement celle de quelqu’un avec un flux infini d’idées qui les traduit ensuite en de belles (et, espérons-le, savoureuses) confiseries. Un architecte créatif ? Bien sûr : quelqu’un qui prend un projet apparemment ennuyeux et lui donne vie, ravissant les personnes qui occupent et se déplacent dans un nouvel espace.
Qu’en est-il d’un data scientist ? La créativité sur le terrain apparaît-elle sous la forme de développement de nouveaux modèles d’apprentissage automatique ? Appliquer la recherche universitaire à des problèmes du monde réel ? Exécuter des tests A/B innovants ? Trouver des solutions improbables à des problèmes épineux ? Dans un domaine si résistant à une définition stable, il peut être difficile de le dire avec certitude ; mais quand nous le voyons, nous savons qu’il est là et heureusement. Et en voici quelques exemples.
- Apprends comment l’analyse graphique peut aider à détecter la fraude dans le domaine de la santé. « Que se passe-t-il lorsque le problème concerne moins le nombre que le réseau ? » Lina Faik combine l’apprentissage automatique et l’analyse graphique pour explorer un cas d’utilisation spécifique – la détection de fraude dans le secteur de la santé – et montre comment il peut améliorer les performances du modèle sans sacrifier l’interprétabilité.
- Évitez un écueil courant pour donner un sens à vos données. Eric J. Daza, revient à appeler votre coup après l’avoir fait, en d’autres termes, adapter votre théorie aux résultats que vous avez. C’est un geste tentant face à des résultats incertains ou déroutants, mais c’est un piège dont vous voulez rester conscient, ou un surapprentissage statistique vous attend.
- Améliorez vos compétences en narration et en présentation. Vicky Yu a couvert beaucoup de sujets sur la data, y compris les réflexions sur l’évolution du rôle des analystes de données. Cependant, quelle que soit la description de poste, les parties prenantes ne peuvent pas apprécier vos contributions si vous ne les expliquez pas d’une manière qu’ils peuvent comprendre.
- Explorez de nouvelles frontières à l’intersection des données et de la biologie. Les derniers travaux de Daniel Bojar portent sur les glycanes, des glucides complexes qui jouent un rôle clé dans des processus tels que l’infection virale ou l’évasion immunitaire tumorale. Ici, il se tourne vers les réseaux de neurones convolutifs (GCN) pour définir un nouvel état de l’art pour l’analyse de ces composés.
- Découvrez comment une équipe de données a développé une nouvelle approche pour répondre à un besoin métier. Travailler dans l’industrie nécessite des solutions rapides et créatives à des problèmes complexes. Jonathan Ramkissoon, nous explique tout le processus qui l’a amené à tirer parti de la compréhension sémantique et du comportement des utilisateurs pour classer les types de documents que les utilisateurs téléchargent sur la plateforme.
- Brisez certaines règles (ou créez-en de nouvelles). La créativité réside souvent dans l’équilibre entre maîtriser les règles et les contourner de manière réfléchie et intentionnelle. Semi-Koen a compilé pas moins de 35 éléments de règles conventionnelles en matière de développement de logiciels qui s’appliquent également à la science des données. Beaucoup sont ironiques, mais tous sont une invitation à repenser la façon dont nous menons notre travail.
Pour découvrir toutes les compétences que doit avoir un Data Scientist n’hésitez pas à lire notre article sur l’ensemble des compétences en Data Science !
Vous cherchez une nouvelle opportunité dans le domaine du Big Data ? Cliquez ici pour accéder en avant-première à notre nouvelle plateforme d’emploi boostée à l’IA.
Merci pour votre lecture ! Si vous souhaitez lire nos prochains articles autour de la Data Science, vous pouvez nous suivre sur Medium, Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié !
