Co-écrit par Pirmin Lemberger, Marc Batty, Médéric Morel et Jean-Luc Raffaëlli, ce livre explique les enjeux d’un projet Big Data et permet d’appréhender les concepts sous-jacents et tout particulièrement le machine learning.
Nouveau paradigme, le Big data a envahi toutes les couches de la société et tous les secteurs d’activité. Pour autant, il reste un concept et une démarche relativement complexes. Pour aider le data scientist, spécialiste de cette matière, les auteurs proposent l’ouvrage Big data et machine learning.
La vocation de ce livre est d’apporter au lecteur « des éléments d’appréciations factuels qui lui permettront de se prémunir contre cette avalanche de questions. Son parti pris est de présenter le Big Data sous un angle spécifique, celui de l’analyse prédictive (ou machine learning) : comment peut-on créer des modèles prédictifs, typiquement de comportements humains, à partir des données elles-mêmes ? », indique le communiqué qui accompagne la sortie de ce livre.
Il éclaire le lecteur sur différents points : des notions théoriques (traitement statistique des données, calcul distribué…) ; des outils (écosystème Hadoop, Storm…) ; des exemples de machine learning ; l’organisation typique d’un projet de data science.
Pirmin Lemberger, responsable de la veille technologique pour SQLI et co-auteur du livre a déclaré : « cet ouvrage s’adresse à tous ceux qui réfléchissent à la meilleure utilisation possible des données au sein de l’entreprise, qu’ils soient data scientists, DSI, chefs de projets ou spécialistes métier. »
Selon les observateurs, aborder un projet Big data sous l’angle technologique serait suicidaire. Il faut savoir y associer les experts métiers. A travers cet ouvrage, MOE et MOA devraient certainement bénéficier d’une source d’éclairage commune.
