Traduit depuis l’article https://www.matillion.com/resources/blog/from-zero-to-mvp-7-tips-for-setting-up-an-mvp-in-the-cloud

Date de publication originale : 24 décembre 2020

Compte tenu du volume et de la complexité des données d'aujourd'hui, ainsi que de la vitesse et de l'échelle nécessaires pour les traiter, le seul endroit où vous pouvez être compétitif (et rentable) est le cloud.

Traduit de l’article https://www.matillion.com/resources/blog/better-faster-smarter-elt-vs-etl avec l'aimable autorisation de Matillion

Date de publication originale - 29 décembre 2020

ELT? Est-ce une faute de frappe? C'est une réaction typique de nombreux professionnels des données familiers avec l'acronyme «ETL» lorsqu'ils rencontrent pour la première fois l'acronyme subtilement différent «ELT».

L’Intelligence artificielle (IA) et le big data entrent dans une nouvelle ère, celle du temps réel. Depuis quelques temps, nos projets Data gagnent de la vitesse pour passer en temps réel. Tous les secteurs s’y mettent : retail, banque, énergie, transport, e-commerce...

Paris, le 14 janvier 2021. Devoteam, acteur majeur du conseil en technologies innovantes, annonce aujourd’hui l’acquisition de la société Ysance, une entreprise engagée, spécialisée dans le déploiement de solutions Data et de Connaissance Clients dans le Cloud. Cette acquisition permet à Devoteam de renforcer ses activités en France et d’accélérer sa présence auprès des sujets stratégiques de ses clients.

Vous le savez, le Machine Learning (ML) consiste à développer des systèmes d’informations capables d’apprendre et de s’adapter sans suivre d’instructions explicites, et ce en utilisant des algorithmes et des modèles statistiques qui analysent et tirent des conclusions à partir d’un historique de données.

Aujourd’hui nous présentons notre dernier article de la série autour de l’utilisation des services autoML cloud. Il s’agit de la solution proposé par Microsoft : Azure Machine Learning automatisé.

Avant d’aller plus loin, une brève présentation d’Azure Machine Learning s’impose.

Les modèles de machine learning (ML) sont de plus en plus complexes. En effet, un modèle sophistiqué (de boosting XGBoost ou de deep learning) permet généralement d’aboutir à des prédictions plus précises qu’un modèle simple (de régression linéaire ou arbre de décision).

Nous avons vu ensemble dans notre dernier article la solution autoML Tables de Google. Aujourd’hui nous poursuivons cette série d’articles avec la présentation de la solution autoML d’Amazon : Amazon SageMaker Autopilot.

Nous avons vu dans notre dernier article que les grands principes de fonctionnement de l’apprentissage par renforcement illustrés par un cas pratique autour de l’exemple du Cart-Pole d’OpenIA.

Avant de lire cet article, nous vous conseillons de relire avec attention notre article précédent autour de la régression linéaire. Nous y avions vu que les modèles de régression linéaire se basent sur la minimisation de l'erreur résiduelle pour l'estimation de ses coefficients.