Objectifs d'apprentissage

À la fin de cette section, vous devriez être en mesure de :

• Décrire la science des données.
• Identifier les différentes étapes du cycle de vie de la science des données.
• Nommer des outils et des logiciels de science des données.
• Utiliser Google Colaboratory pour exécuter du code.

Cycle de vie de la science des données

La science des données (data science) est un domaine multidisciplinaire qui combine la collecte, le traitement et l'analyse de grands volumes de données afin d'en extraire des informations et de éclairer la prise de décision. Le cycle de vie de la science des données (data science life cycle) est le cadre de travail suivi par les scientifiques des données pour mener à bien un projet de science des données. Le cycle de vie de la science des données est un processus itératif qui commence par l'acquisition des données, suivie de l'exploration des données. L'étape d'acquisition des données peut impliquer l'obtention de données à partir d'une source ou la collecte de données au moyen de sondages et d'autres méthodes de collecte spécifiques au domaine. Au cours de l'étape d'exploration des données, les scientifiques des données s'assurent que les données sont dans le bon format pour l'étape d'analyse des données grâce au nettoyage des données, et ils peuvent également visualiser les données pour un examen plus approfondi. Une fois les données nettoyées, les scientifiques des données peuvent procéder à l'analyse des données, qui est ensuite partagée avec les parties prenantes au moyen de rapports et de présentations. L'étape d'analyse de données (data analysis) consiste à utiliser les données pour générer des enseignements ou créer un modèle prédictif. La science des données est utilisée dans de nombreux domaines, tels que la santé, l'économie, l'éducation et les sciences sociales, pour ne citer que quelques exemples. L'animation ci-dessous illustre les différentes étapes du cycle de vie de la science des données.

Outils de science des données

Plusieurs outils et logiciels sont couramment utilisés en science des données. En voici quelques exemples.

• Langage de programmation Python : Python est largement utilisé en science des données. Il dispose d'un vaste écosystème de bibliothèques conçues pour l'analyse de données, l'apprentissage automatique et la visualisation. Parmi les bibliothèques Python populaires pour la science des données figurent NumPy, Pandas, Matplotlib, Seaborn et scikit-learn. Dans ce chapitre, vous explorerez certaines de ces bibliothèques.
• Langage de programmation R : R est couramment utilisé dans le calcul statistique et l'analyse de données, et offre une large gamme de paquets et de bibliothèques adaptés à la manipulation des données, à la modélisation statistique et à la visualisation.
• Jupyter Notebook/JupyterLab : Jupyter Notebook et JupyterLab sont des environnements informatiques interactifs basés sur le web qui prennent en charge plusieurs langages de programmation, notamment Python et R. Ils permettent à un programmeur de créer des documents contenant du code, des visualisations et du texte, ce qui les rend adaptés à l'exploration, à l'analyse et à la présentation de rapports sur les données.
• Google Colaboratory : Google Colaboratory est un environnement Jupyter Notebook basé sur le cloud qui permet à un programmeur d'écrire, d'exécuter et de partager du code Python en ligne. Dans ce chapitre, vous utiliserez Google Colaboratory pour mettre en pratique des concepts de science des données.
• Kaggle Kernels : Kaggle Kernels est une plateforme de science des données en ligne qui fournit un environnement collaboratif pour créer et exécuter du code. Kaggle Kernels prend en charge Python et R et offre l'accès à des jeux de données, des bibliothèques préinstallées et des ressources de calcul. Kaggle organise également des compétitions de science des données et fournit une plateforme pour partager et découvrir des projets de science des données.
• Excel/Sheets : Microsoft Excel et Google Sheets sont des tableurs largement utilisés qui offrent des fonctionnalités de base pour l'analyse et la visualisation de données. Ils peuvent aider les débutants à s'initier à la manipulation de données, aux calculs statistiques de base et aux visualisations simples.

Exercices de programmation avec Google Colaboratory

Ouvrez le document Google Colaboratory ci-dessous. Pour ouvrir le document Colaboratory, vous devez vous connecter à un compte Google, si vous en possédez un, ou créer un compte Google. Exécutez toutes les cellules. Vous pouvez également essayer de créer de nouvelles cellules ou de modifier des cellules existantes. Pour enregistrer une copie de vos modifications, allez dans « Fichier > Enregistrer une copie dans Drive », et le fichier modifié sera stocké dans votre propre Google Drive.

Document Google Colaboratory