Le Machine Learning fait partie de ces Buzz Word que l'on croise régulièrement au détour des différentes actualités. Eclairage.
Le Machine Learning expliqué en 3 points

Le concept
Le concept général du Machine Learning permet de réaliser des projections à partir d’un jeu de données existant pour en déduire des résultats. Evidemment, plus il y aura de données et plus il y aura de critères dans le jeu de données sources, plus la projection sera proche de la réalité. Une fois le jeu de données source obtenu, l’expert de la gestion et de l’analyse de données, autrement dit le Data Scientist, entre en jeu.
3 indicateurs clés pour mieux anticiper
Dans l’optique où le Machine Learning sera de plus en présent dans les entreprises, on en déduit plusieurs considérations importantes à prendre en compte pour anticiper au mieux une implémentation à court, moyen ou long terme…. Que retenir ?
1. Le stockage de la donnée d’entreprise : élément stratégique car au-delà des capacités de traitement actuel, il faut anticiper les futurs usages de la donnée et donc archiver toutes les données.
2. La qualité des données brutes : celles-ci doivent-être qualifiées et représentatives des objectifs attendus. Elles doivent couvrir l’ensemble du périmètre cible afin de ne pas induire en erreur les déductions du système d’apprentissage (Ex: Jeu de données sur les 15-25 ans alors que la projection attendue concerne toute la population).
3. La réussite du projet et la contextualisation : la réussite d’un projet de Machine Learning s’appuie encore actuellement sur une contextualisation efficace du traitement du jeu de données. Cela requiert donc des compétences scientifiques importantes inhérentes au métier de Data Scientist pour permettre une amélioration continue des résultats du Machine Learning.
Découvrez l’intégralité de cet article dans la prochaine édition de Smart DSI.
Téléchargez cette ressource

Rapport Forrester sur les solutions de sécurité des charges de travail cloud (CWS)
Dans cette évaluation, basée sur 21 critères, Forrester Consulting étudie, analyse et note les fournisseurs de solutions de sécurité des charges de travail cloud (CWS). Ce rapport détaille le positionnement de chacun de ces fournisseurs pour aider les professionnels de la sécurité et de la gestion des risques (S&R) à adopter les solutions adaptées à leurs besoins.
Les articles les plus consultés
- Databricks lève 1 milliard de dollars !
- Intelligence Artificielle : DeepKube sécurise en profondeur les données des entreprises
- Les projets d’intégration augmentent la charge de travail des services IT
- Stockage autonome, Evolutivité & Gestion intelligente, Pure Storage offre de nouvelles perspectives aux entreprises
- L’utilisation des données pour survivre !
Les plus consultés sur iTPro.fr
Sur le même sujet

La blockchain en pratique

10 grandes tendances Business Intelligence

Les projets d’intégration augmentent la charge de travail des services IT

Intelligence Artificielle : DeepKube sécurise en profondeur les données des entreprises

ActiveViam fait travailler les data scientists et les décideurs métiers ensemble
