Nous prenons au quotidien de nombreuses décisions en fonction de nos expériences passées, de l’avis des autres ou encore du rapport bénéfice/risque que comporte notre choix sur le court-terme comme sur le long-terme.

L’AutoML (ou en français, « le machine learning automatisé ») permet l’assistance et l’automatisation du processus de création d’un modèle de Machine Learning.

A l’instar des data scientists, de telles solutions sont capables d’élaborer des modèles mathématiques complexes et de développer ces modèles jusqu’à l’implémentation en production.

L’algorithme des k plus proches voisins, en anglais k-NN pour « k Nearest Neighbors » est un algorithme simple à comprendre.

D’abord, vous devez savoir qu’il s’agit d’un algorithme d’apprentissage supervisé qui permet à la fois de résoudre un problème de classification et de régression. 

Beaucoup de gens pensent que la régression linéaire est simple : il est simplement question de trouver une droite au milieu d'un nuage de points. Ce n’est pas vrai ! Nous pouvons même dire que la régression linéaire est un modèle faussement simple : vous allez voir pourquoi dans cet article.

Un algorithme de détection d’anomalies a pour objectif principal de repérer des données atypiques et non conformes aux autres données.

Le random forest est un algorithme incontournable en machine learning. Random forest signifie « forêt aléatoire ». Proposé par Leo Breiman en 2001, c'est un algorithme qui se base sur l’assemblage d’arbres de décision. Il est assez intuitif à comprendre, rapide à entraîner et il produit des résultats généralisables. Seul bémol, le random forest est une boîte noire qui donne des résultats peu lisibles, c’est-à-dire peu explicatifs.

On vous propose une série d’articles pour revenir sur quelques algorithmes les plus souvent utilisés chez nos clients. On commence par l’un des algorithmes les plus simples : l’arbre de décision.

Face à la pandémie du COVID-19, c’est une véritable course aux essais thérapeutiques qui s’est engagée depuis quelques mois avec actuellement un grand nombre de laboratoires pharmaceutiques mobilisés sur le sujet. A ce jour, c’est plus d’une cinquantaine de demandes d’autorisations d’essais cliniques sur le Covid-19 qui ont été soumises rien qu’en France ! Mais qu’est-ce exactement qu’un essai clinique ?

Malgré l’incomparable potentiel business des modèles prédictifs, les percées de la Data Science restent encore balbutiantes dans la plupart des entreprises. Retour sur les raisons d’une adoption encore trop timide qui ouvre la voie à l’Analytics Augmenté comme vecteur d’accélération efficace.

Ces dernières années, s’il y a bien un métier dont on entend parler partout, c’est celui de Data Scientist. Il mélange techniques informatiques pour la gestion de "grosses” bases de données et compétences mathématiques pour l’analyse et la modélisation d’un problème lié à ces données. Il n’est pas étonnant que les docteurs (en mathématiques, physique, biologie, etc.) s’y intéressent.