{"product_id":"110267","title":"Pensez avec les données et dirigez avec les données à l'ère des bouleversements liés à l'IA. ","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jYEEOLlmVmOJMgXIFgCunM46zo4hZ.png?v=1765098294\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\n\n\u003cdiv style=\"width:95%\"\u003e\n\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e À l'ère de l'IA disruptive, pensez avec les données et dirigez avec les données. \u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/126167769\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e Description \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eIntroduction au livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003ctable\u003e\u003ctbody\u003e\u003ctr\u003e\u003ctd\u003e\u003cdiv\u003e\u003cdiv\u003e \u003cb\u003eVotre organisation exploite-t-elle efficacement toutes ces données obsolètes ?\u003cbr\u003e On ne peut pas parler de technologie et de commerce à l'ère de l'IA sans connaître les données et les statistiques !\u003cbr\u003e Dans un monde plein de volatilité, essayons de trouver les schémas qui se cachent derrière !\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Il lève le voile sur la science des données et fournit « les connaissances et le savoir-faire nécessaires pour penser, parler, comprendre et agir de manière critique à propos des données ».\u003cbr\u003e De la compréhension des tendances des membres d'une organisation aux principes mathématiques qui sous-tendent les algorithmes, ce livre condense tout ce qu'il faut savoir sur les données et les statistiques utilisées en pratique. \u003cbr\u003eCe livre vous aidera à maîtriser les outils analytiques, la terminologie et l'état d'esprit nécessaires pour réussir dans le domaine de la science des données, tout en vous offrant une compréhension plus approfondie des problèmes complexes liés aux données.\u003cbr\u003e Grâce à cet apprentissage, vous serez capable de penser de manière critique aux données et à l'analyse, et d'exprimer intelligemment vos opinions sur tout ce qui touche aux données.\u003cbr\u003e\u003cbr\u003e\n\u003c\/div\u003e\u003c\/div\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/tbody\u003e\u003c\/table\u003e\n\u003cdiv\u003e\u003cul\u003e\u003cli\u003e Vous pouvez consulter un aperçu du contenu du livre.\u003cbr\u003e \u003cspan\u003eAperçu\u003c\/span\u003e\n\n\u003c\/li\u003e\u003c\/ul\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eindice\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003e[Partie 1] Votre premier parcours vers une pensée et un leadership fondés sur les données\u003cbr\u003e\u003cbr\u003e Chapitre 1 : Quel est le problème ?\u003c\/b\u003e\u003cbr\u003e Questions que les prospects de données doivent se poser\u003cbr\u003e ___Pourquoi cette question est-elle importante ?\u003cbr\u003e Qui est concerné par ce problème ?\u003cbr\u003e Que faire en l'absence de données appropriées ?\u003cbr\u003e Quand le projet ___ prendra-t-il fin ?\u003cbr\u003e Que dois-je faire si je ne suis pas satisfait des résultats ?\u003cbr\u003e Pourquoi le projet de données a-t-il échoué ?\u003cbr\u003e ___Sensibilisation du client\u003cbr\u003e Points à considérer \u003cbr\u003eConcentrons-nous sur l'essentiel.\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 2 : Que sont les données ?\u003c\/b\u003e\u003cbr\u003e Données vs. Information\u003cbr\u003e ___Exemple de jeu de données\u003cbr\u003e Type de données\u003cbr\u003e Comment les données sont-elles collectées et formatées ?\u003cbr\u003e Données observationnelles vs. données expérimentales\u003cbr\u003e Données structurées vs. données non structurées\u003cbr\u003e Statistiques récapitulatives de base\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 3 : Se préparer à la pensée statistique\u003c\/b\u003e\u003cbr\u003e Posons une question\u003cbr\u003e Tout est susceptible de changer.\u003cbr\u003e Scénario de sensibilisation du client (suite)\u003cbr\u003e Étude de cas : Incidence du cancer du rein\u003cbr\u003e Probabilités et statistiques\u003cbr\u003e Probabilité contre intuition\u003cbr\u003e Découvertes utilisant les statistiques\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003e[Partie 2] Attitudes envers les données, connaissances en probabilités et statistiques\u003cbr\u003e\u003cbr\u003e Chapitre 4 : Argumentons avec les données\u003c\/b\u003e\u003cbr\u003e _Que ferais-tu à ma place ?\u003cbr\u003e ___La catastrophe causée par les données manquantes\u003cbr\u003e Vérifions la source des données\u003cbr\u003e Qui a recueilli les données ?\u003cbr\u003e Comment les données ont-elles été collectées ?\u003cbr\u003e Les données sont-elles représentatives ?\u003cbr\u003e Y avait-il un biais dans l'échantillonnage ?\u003cbr\u003e Comment avez-vous géré les valeurs aberrantes ? \u003cbr\u003e_Que sont les données non vérifiées ?\u003cbr\u003e Comment avez-vous géré les valeurs manquantes ?\u003cbr\u003e Les données permettent-elles de mesurer le concept que vous essayez de mesurer ?\u003cbr\u003e Contestons toutes les données, quelle que soit leur taille.\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 5 : Explorons les données\u003c\/b\u003e\u003cbr\u003e Analyse exploratoire des données de prospection\u003cbr\u003e La nécessité d'une pensée exploratoire\u003cbr\u003e Quelles questions devrais-je poser ?\u003cbr\u003e Scénario virtuel\u003cbr\u003e Les données peuvent-elles répondre à vos questions ?\u003cbr\u003e ___Fixez des attentes et faites preuve de bon sens\u003cbr\u003e ___Cette valeur de données est-elle intuitivement compréhensible ?\u003cbr\u003e Gérer correctement les valeurs aberrantes et les valeurs manquantes\u003cbr\u003e Quelles relations observez-vous dans les données ?\u003cbr\u003e Comprenons la corrélation ___\u003cbr\u003e ___Attention à ne pas mal interpréter la corrélation.\u003cbr\u003e ___Corrélation n'implique pas causalité\u003cbr\u003e _Avez-vous trouvé de nouvelles opportunités d'exploration dans vos données ?_\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 6 : Qu'est-ce que la probabilité ?\u003c\/b\u003e\u003cbr\u003e _Devinons\u003cbr\u003e _Les règles du jeu\u003cbr\u003e ___Notation mathématique\u003cbr\u003e Probabilité conditionnelle et événements indépendants \u003cbr\u003e___Probabilité d'occurrence de divers événements\u003cbr\u003e ___deux événements se produisant simultanément\u003cbr\u003e Expériences de pensée sur les probabilités\u003cbr\u003e 3 points de contrôle sur la probabilité ___\u003cbr\u003e _Soyez prudent lorsque vous supposez que les événements sont indépendants les uns des autres.\u003cbr\u003e Ne tombez pas dans le piège du joueur.\u003cbr\u003e N'oubliez pas que toutes les probabilités sont des probabilités conditionnelles.\u003cbr\u003e Ne changeons pas la relation de dépendance.\u003cbr\u003e ___Théorème de Bayes\u003cbr\u003e _Assurez-vous que la probabilité soit significative\u003cbr\u003e ___correction\u003cbr\u003e Même si la possibilité est faible, des événements se produisent.\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 7 : Remettons en question les statistiques\u003c\/b\u003e\u003cbr\u003e _Qu'est-ce que l'inférence statistique ?\u003cbr\u003e ___Laissez une marge d'erreur\u003cbr\u003e Plus il y a de données, plus il y a de preuves.\u003cbr\u003e ___Interrogeons-nous sur la situation actuelle\u003cbr\u003e Existe-t-il des preuves du contraire ?\u003cbr\u003e ___Erreurs de jugement d'équilibre\u003cbr\u003e Processus d'inférence statistique\u003cbr\u003e Questions nécessaires pour vérifier les résultats de l'analyse statistique\u003cbr\u003e ___Dans quel contexte les résultats de l'analyse statistique sont-ils obtenus ?\u003cbr\u003e ___Quelle est la taille de l'échantillon ?\u003cbr\u003e ___Qu'est-ce qui est vérifié ?\u003cbr\u003e ___Quelle est l'hypothèse nulle ?\u003cbr\u003e Quel est le niveau de signification ___ ? \u003cbr\u003e___Combien de fois l'avez-vous vérifié ?\u003cbr\u003e Pouvez-vous fournir un intervalle de confiance ?\u003cbr\u003e ___Est-ce un résultat concrètement significatif ?\u003cbr\u003e Vous supposez une relation de cause à effet ?\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003e[Partie 3] Réapprentissage des connaissances en apprentissage automatique, apprentissage profond et intelligence artificielle à travers diverses études de cas\u003cbr\u003e\u003cbr\u003e Chapitre 8 : Apprentissage automatique : Découverte de modèles et de groupes cachés dans les données\u003c\/b\u003e\u003cbr\u003e _Qu'est-ce que l'apprentissage non supervisé ?\u003cbr\u003e Réduction de dimension\u003cbr\u003e ___Créer une variable complexe\u003cbr\u003e Analyse en composantes principales\u003cbr\u003e ___Principaux composants des données sur la capacité d'exercice\u003cbr\u003e Résumé de l'analyse en composantes principales\u003cbr\u003e ___Pièges à surveiller\u003cbr\u003e _Analyse de clusters\u003cbr\u003e analyse de cluster k-means\u003cbr\u003e ___Analyse de regroupement des magasins de détail\u003cbr\u003e ___Pièges à surveiller\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 9 : Modèles de régression pour prédire l'avenir et expliquer les phénomènes\u003c\/b\u003e\u003cbr\u003e Apprentissage supervisé\u003cbr\u003e À quoi sert la régression linéaire ?\u003cbr\u003e Régression des moindres carrés (et pas seulement pour son nom ronflant)\u003cbr\u003e _Ce que nous pouvons apprendre de la régression linéaire\u003cbr\u003e ___Lorsque davantage de variables sont saisies\u003cbr\u003e _La confusion causée par la régression linéaire\u003cbr\u003e ___variables manquantes\u003cbr\u003e ___Multicolinéarité\u003cbr\u003e fuite de données\u003cbr\u003e Erreur d'extrapolation\u003cbr\u003e La plupart des relations ne sont pas linéaires. \u003cbr\u003eExpliquer ou prédire\u003cbr\u003e Performance du modèle de régression ___\u003cbr\u003e _Autres modèles de régression\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 10 : Un modèle de classification permettant d’identifier les critères de jugement\u003c\/b\u003e\u003cbr\u003e _Qu'est-ce qu'un problème de classification ?\u003cbr\u003e ___Trois méthodes de modèles de classification\u003cbr\u003e Configuration du problème de classification\u003cbr\u003e Régression logistique\u003cbr\u003e ___Avantages de la régression logistique\u003cbr\u003e Arbre de décision\u003cbr\u003e Modèle d'ensemble\u003cbr\u003e Forêt aléatoire\u003cbr\u003e Arbre à gradient boosté\u003cbr\u003e ___Pouvoir explicatif des modèles d'ensemble\u003cbr\u003e _Attention aux pièges courants\u003cbr\u003e Appliquer un modèle qui ne correspond pas au type de données ___\u003cbr\u003e fuite de données\u003cbr\u003e Partitionnement des ensembles de données pour la construction et le test de modèles\u003cbr\u003e ___Choisir les seuils appropriés pour la prise de décision\u003cbr\u003e _Idées fausses concernant la précision\u003cbr\u003e ___Matrice de confusion\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 11 : Analyse de texte : identifier les thèmes et les émotions contenus dans le texte\u003c\/b\u003e\u003cbr\u003e _Attentes en matière d'analyse de texte\u003cbr\u003e Comment convertir du texte en nombres\u003cbr\u003e sac de mots\u003cbr\u003e ___N-gramme\u003cbr\u003e ___représentations vectorielles de mots\u003cbr\u003e Modélisation thématique\u003cbr\u003e Classification de texte\u003cbr\u003e ___Bayes naïf\u003cbr\u003e Analyse des sentiments \u003cbr\u003eQuestions pratiques à prendre en compte dans l'analyse de texte\u003cbr\u003e L'avantage technologique des géants de la tech\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 12 : Apprentissage profond et IA : ce que les responsables des données doivent savoir\u003c\/b\u003e\u003cbr\u003e Modèle de réseau neuronal\u003cbr\u003e En quoi les réseaux neuronaux sont-ils similaires au cerveau humain ?\u003cbr\u003e Modèle de réseau neuronal simple\u003cbr\u003e Comment les réseaux neuronaux apprennent\u003cbr\u003e ___Un réseau neuronal légèrement plus complexe\u003cbr\u003e _Cas d'application de l'apprentissage profond\u003cbr\u003e ___Avantages de l'apprentissage profond\u003cbr\u003e Comment les ordinateurs « voient » les images\u003cbr\u003e Réseau neuronal convolutif\u003cbr\u003e Apprentissage profond pour le traitement du langage et les données séquentielles\u003cbr\u003e Applications pratiques de l'apprentissage profond\u003cbr\u003e Les données ___ sont-elles suffisantes ?\u003cbr\u003e Les données sont-elles structurées ?\u003cbr\u003e À quoi ressemble un réseau neuronal ___ ?\u003cbr\u003e Perspectives sur l'IA\u003cbr\u003e La position avantageuse des géants de la tech\u003cbr\u003e ___Enjeux éthiques de l'apprentissage profond\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003e[Partie 4] Ce que les responsables des données doivent faire pour la réussite des projets et de l'organisation\u003cbr\u003e\u003cbr\u003e Chapitre 13 : Échecs et pièges qui guettent partout\u003c\/b\u003e\u003cbr\u003e Biais des données et phénomènes étranges\u003cbr\u003e biais de survie\u003cbr\u003e ___régression vers la moyenne\u003cbr\u003e Le paradoxe des Simpson\u003cbr\u003e Biais de confirmation \u003cbr\u003e___Sophisme des coûts irrécupérables\u003cbr\u003e biais de l'algorithme\u003cbr\u003e ___Autres biais\u003cbr\u003e _Pièges typiques des projets de données\u003cbr\u003e ___Pièges des statistiques et de l'apprentissage automatique\u003cbr\u003e Projet Trap\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 14 : Comprendre les diverses tendances des membres de l'organisation\u003c\/b\u003e\u003cbr\u003e 7 situations où la communication se rompt\u003cbr\u003e Visite post-mortem\u003cbr\u003e ___une présentation sans substance\u003cbr\u003e ___Diffusion d'informations inexactes\u003cbr\u003e ___dans le marais\u003cbr\u003e ___Vérification de la réalité\u003cbr\u003e ___s'emparer du pouvoir\u003cbr\u003e ___un vantard..\u003cbr\u003e Trois attitudes courantes face aux données\u003cbr\u003e ___Données Blindman\u003cbr\u003e ___Pessimiste des données\u003cbr\u003e Responsable des données\u003cbr\u003e _organiser\u003cbr\u003e\u003cbr\u003e \u003cb\u003eChapitre 15 : Vers un lieu plus élevé\u003c\/b\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eImage détaillée\u003c\/b\u003e \u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\u003cdiv\u003e\u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate4484\/MidCate001\/448300145.jpg\" border=\"0\" alt=\"Image détaillée 1\"\u003e\u003c\/div\u003e\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eDans le livre\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e C'est un secteur qui exploite la peur des entreprises de rater une opportunité en leur promettant des certitudes dans un monde incertain.\u003cbr\u003e Nous appelons cela le « secteur de la science des données ».\u003cbr\u003e\u003cbr\u003e --- p.38\u003cbr\u003e \u003cbr\u003eLe marché boursier fluctue quotidiennement, les sondages politiques changent chaque semaine (et parfois même selon l'institut de sondage), les prix de l'essence fluctuent, et même si votre tension artérielle peut monter en flèche lorsque vous la faites contrôler par un médecin, elle est normale lorsque vous la faites contrôler par une infirmière.\u003cbr\u003e Si vous mesurez votre trajet domicile-travail en secondes, il variera légèrement d'un jour à l'autre en fonction de divers facteurs tels que la circulation, la météo, le trajet scolaire de votre enfant et le temps nécessaire pour sortir votre café du matin.\u003cbr\u003e Tout dans le monde est marqué par la volatilité.\u003cbr\u003e Dans quelle mesure êtes-vous à l'aise avec ce phénomène ?\u003cbr\u003e --- p.91\u003cbr\u003e\u003cbr\u003e Dans les casinos, les sacs contenant les billes sont soigneusement conçus pour permettre le prélèvement continu d'échantillons.\u003cbr\u003e Mais les politiciens ne savent jamais ce qui les attend avant que tous les résultats (c'est-à-dire les résultats du vote) ne soient révélés le jour des élections.\u003cbr\u003e\u003cbr\u003e --- p.99\u003cbr\u003e \u003cbr\u003eLorsqu'on vérifie le taux d'approbation d'un homme politique, si un sondage est mené uniquement auprès des partisans d'un parti spécifique, les données recueillies de cette manière seront sujettes à un biais d'échantillonnage.\u003cbr\u003e Seules des expériences bien conçues peuvent réduire le risque de biais d'échantillonnage potentiel.\u003cbr\u003e\u003cbr\u003e --- p.121\u003cbr\u003e\u003cbr\u003e Même un enfant sait que les chances de gagner à pile ou face sont de 50\/50, mais l'élection présidentielle de 2016 s'est avérée difficile à prédire, même avec l'ensemble du secteur des sondages analysant des téraoctets de données.\u003cbr\u003e\u003cbr\u003e --- p.149\u003cbr\u003e\u003cbr\u003e Le fait que le défaut de paiement d'un débiteur ne soit pas indépendant de celui de ses voisins est pourtant un fait que les financiers de Wall Street ont longtemps ignoré.\u003cbr\u003e Ces deux événements sont fondamentalement liés à la situation économique mondiale.\u003cbr\u003e\u003cbr\u003e --- p.158\u003cbr\u003e\u003cbr\u003e L'hypothèse erronée d'indépendance sous-estime la probabilité que tous les projets échouent l'année suivante et, par conséquent, surestime la probabilité qu'au moins un projet réussisse. \u003cbr\u003eComme l'ont démontré la crise financière de 2008 et le ralentissement économique qui a suivi, nous ne devons pas oublier l'importance des hypothèses indépendantes.\u003cbr\u003e\u003cbr\u003e --- p.159\u003cbr\u003e\u003cbr\u003e J'espère que vous comprenez bien que les ordinateurs ne peuvent pas comprendre le langage comme les humains, et que pour un ordinateur, le langage n'est que des chiffres.\u003cbr\u003e Je pense que le simple fait de connaître ce fait a une valeur inestimable.\u003cbr\u003e Si vous comprenez simplement que le processus de conversion de texte en nombres supprime une partie du sens que les humains attribuent aux mots et aux phrases, vous ne serez jamais dupe des arguments marketing selon lesquels l'IA peut résoudre tous vos problèmes commerciaux liés au texte.\u003cbr\u003e\u003cbr\u003e --- p.284\u003cbr\u003e\u003cbr\u003e Il est important de noter que les biais algorithmiques, aussi bien intentionnés (ou neutres) soient-ils, peuvent se produire et se produisent effectivement partout.\u003cbr\u003e Les prédictions d'aucun modèle ne peuvent nous révéler la vérité ultime.\u003cbr\u003e Car tous les résultats obtenus à l'aide de modèles sont le produit d'hypothèses.\u003cbr\u003e\u003cbr\u003e --- p.321\u003cbr\u003e \u003cbr\u003ePour les pessimistes des données, leurs expériences personnelles sont plus importantes que la science des données, les statistiques ou l'apprentissage automatique.\u003cbr\u003e Ils sont donc sceptiques quant au rôle des travailleurs de données.\u003cbr\u003e Ils considèrent les données comme une nuisance mais un élément inévitable, préférant l'intuition.\u003cbr\u003e S’ils ne sont pas satisfaits du résultat, ils auront davantage tendance à relever les défauts et à survaloriser les détails plutôt qu’à formuler des critiques constructives.\u003cbr\u003e Essayons de comprendre pourquoi ils sont si cyniques.\u003cbr\u003e\n\n\u003c\/div\u003e\n\u003cdiv\u003e --- p.338\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003cbr\u003e\u003cdiv\u003e\u003ch5\u003e \u003cb\u003eAvis de l'éditeur\u003c\/b\u003e\n\u003c\/h5\u003e\u003c\/div\u003e\n\u003cdiv\u003e\n\u003cdiv\u003e \u003cb\u003e| Ce que ce livre aborde |\u003c\/b\u003e\u003cbr\u003e - Attitude et compétences en matière de raisonnement statistique des données\u003cbr\u003e - La variabilité qui affecte la vie quotidienne et les processus de prise de décision\u003cbr\u003e - Maîtrise des techniques de traitement des données permettant de formuler des avis pertinents sur les résultats statistiques et analytiques dans le domaine.\u003cbr\u003e - Les principes fondamentaux et les connaissances qui sous-tendent l'apprentissage automatique, l'analyse de texte, l'apprentissage profond et l'IA.\u003cbr\u003e - Les pièges dans lesquels il est facile de tomber lors de l'analyse et de l'interprétation des données \u003cbr\u003e- Ce qu'un responsable des données doit faire pour assurer le succès des projets et des organisations.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e| Public cible de ce livre |\u003c\/b\u003e\u003cbr\u003e Ce livre est agréable à lire et offre des informations précieuses à tous, y compris aux data scientists débutants, aux analystes de données, aux professionnels du commerce, aux ingénieurs en IA\/apprentissage automatique et aux dirigeants d'entreprise.\u003cbr\u003e Cela est particulièrement vrai pour les professionnels du marketing qui doivent travailler avec des analystes de données, des développeurs, des employés ou des chercheurs qui ne sont pas encore familiarisés avec les données, les cadres dirigeants qui ont besoin d'une connaissance plus approfondie des données pour introduire de nouvelles technologies d'IA et prendre des décisions, et les gestionnaires qui doivent diriger des équipes ou des organisations de données.\u003cbr\u003e Cet ouvrage est une lecture incontournable pour quiconque souhaite travailler dans le domaine des données ou devenir un leader dans ce domaine.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e \u003cb\u003e| Structure de ce livre |\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e \u003cb\u003ePartie 1 : Votre premier pas vers une pensée et un leadership fondés sur les données\u003c\/b\u003e\u003cbr\u003e La première partie explique comment adopter une perspective axée sur les données. \u003cbr\u003eApprenez à analyser de manière critique les projets de données entrepris par votre organisation et à poser les questions pertinentes.\u003cbr\u003e Nous explorerons la définition des données, l'utilisation correcte de la terminologie et comment appréhender le monde d'un point de vue statistique.\u003cbr\u003e\u003cbr\u003e \u003cb\u003ePartie 2 : Attitudes envers les données, connaissances en probabilités et statistiques\u003c\/b\u003e\u003cbr\u003e Les responsables des données participent activement aux discussions importantes concernant les données.\u003cbr\u003e Dans la deuxième partie, nous verrons comment argumenter avec des données et quelles questions vous devez vous poser pour comprendre les concepts statistiques que vous rencontrerez dans votre travail.\u003cbr\u003e Vous apprendrez les concepts statistiques et probabilistes de base nécessaires pour comprendre ou interpréter les résultats d'analyses de données.\u003cbr\u003e\u003cbr\u003e \u003cb\u003ePartie 3 : Réapprentissage des connaissances en apprentissage automatique, en apprentissage profond et en intelligence artificielle à travers diverses études de cas\u003c\/b\u003e\u003cbr\u003e Les responsables des données doivent comprendre les principes fondamentaux du fonctionnement des modèles statistiques et d'apprentissage automatique. \u003cbr\u003eVous acquerrez une compréhension intuitive de l'apprentissage non supervisé, de la régression, de la classification, de l'analyse de texte et de l'apprentissage profond.\u003cbr\u003e\u003cbr\u003e \u003cb\u003ePartie 4 : Ce que font les responsables des données pour assurer le succès des projets et de l’organisation\u003c\/b\u003e\u003cbr\u003e Les responsables des données doivent être conscients des erreurs et des pièges courants liés au traitement des données.\u003cbr\u003e Nous explorons les pièges techniques qui mènent les organisations et les projets à l'échec, et nous découvrons les personnes impliquées dans les projets de données et leurs tendances.\u003cbr\u003e Enfin, nous vous donnerons des conseils pour réussir en tant que leader des données.\u003cbr\u003e\n\n\u003c\/div\u003e\n\u003cdiv\u003e \u003cb\u003e[Note de l'auteur]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Nous pensons que beaucoup de gens souhaitent apprendre à bien connaître les données, mais ne savent pas par où commencer.\u003cbr\u003e Les nombreux ouvrages sur la science des données et les statistiques déjà publiés couvrent un spectre très diversifié. \u003cbr\u003eD'un côté, on trouve de nombreux ouvrages non techniques qui vantent les mérites et les perspectives prometteuses de l'utilisation des données.\u003cbr\u003e Il y a quelques bons livres parmi eux.\u003cbr\u003e Cependant, aussi bon soit un livre, il s'agit souvent d'un ouvrage traitant du monde des affaires et orienté vers le présent.\u003cbr\u003e La plupart de ces livres sont écrits par des journalistes pour mettre en lumière les aspects spectaculaires de l'essor des données.\u003cbr\u003e\u003cbr\u003e Ces ouvrages expliquent comment résoudre des problèmes commerciaux spécifiques grâce à l'analyse de données. Des termes comme IA et apprentissage automatique y sont fréquemment employés.\u003cbr\u003e J'espère qu'il n'y aura pas de malentendu.\u003cbr\u003e Des ouvrages comme celui-ci ont contribué à sensibiliser le public à l'utilisation des données.\u003cbr\u003e Cependant, il n'approfondit pas les tâches spécifiques à accomplir, mais se concentre simplement sur les problèmes et les solutions d'ordre général.\u003cbr\u003e\u003cbr\u003e À l'autre extrémité du spectre se trouvent les ouvrages techniques de haut niveau. \u003cbr\u003eLa plupart sont des livres volumineux de plus de 500 pages, ce qui les rend non seulement exigeants physiquement, mais aussi mentalement éprouvants.\u003cbr\u003e\u003cbr\u003e Il existe des montagnes de livres aux deux extrémités du spectre.\u003cbr\u003e Il est difficile de combler le fossé de communication car la plupart des gens ne lisent que des livres d'affaires ou techniques.\u003cbr\u003e Heureusement, il existe d'excellents livres entre ces deux extrêmes.\u003cbr\u003e\u003cbr\u003e\u003cbr\u003e Nous aimerions ajouter notre livre à cette liste.\u003cbr\u003e Le livre que vous êtes en train de lire peut être lu par n'importe qui sans aucune contrainte, même sans ordinateur ni bloc-notes à proximité.\u003cbr\u003e Si vous avez apprécié notre livre, je vous recommande vivement de lire au moins l'un des deux ouvrages mentionnés ci-dessus afin d'approfondir votre compréhension des données.\u003cbr\u003e Vous ne le regretterez pas.\u003cbr\u003e\u003cbr\u003e Nos auteurs aiment beaucoup ce livre. \u003cbr\u003eSi ce livre vous motive à en apprendre davantage sur les données et leur analyse, et suscite en vous le désir d'approfondir vos connaissances, alors je considère qu'il s'agit d'une réussite.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e[Note du traducteur]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e J'ai lu, étudié et parfois traduit de nombreux ouvrages sur les données, mais celui-ci est tellement excellent que j'aurais souhaité l'avoir écrit moi-même au lieu de le traduire.\u003cbr\u003e Lorsque j'ai reçu le livre original et parcouru rapidement les titres des chapitres, je me suis dit : « Ce contenu n'est-il pas trop facile ? » Cependant, dès l'instant où j'ai commencé à le lire sérieusement, savourant chaque phrase en vue de la traduction, jusqu'à la toute fin du dernier chapitre, je n'ai pu m'empêcher d'être impressionné par les efforts des auteurs pour écrire conformément aux intentions initiales du livre, et par leur grande expertise en analyse de données et en statistiques.\u003cbr\u003e \u003cbr\u003eOn dit souvent que « la chose la plus facile à écrire est la plus difficile ».\u003cbr\u003e J'ai toujours adhéré à cette affirmation, mais j'en avais rarement vu d'exemple concret. Après avoir lu ce livre, j'ai eu l'impression d'enfin trouver un véritable exemple de ce qu'elle signifie.\u003cbr\u003e « Facile à écrire » signifie que l'auteur maîtrise parfaitement l'essence et la logique du contenu, ce qui permet une écriture facile, claire et logique.\u003cbr\u003e\u003cbr\u003e Ce livre aborde l'analyse des données et les statistiques avec la profondeur et l'étendue adéquates, ce qui peut s'avérer complexe.\u003cbr\u003e C'est un excellent ouvrage d'introduction pour ceux qui envisagent une carrière dans ce domaine, mais il est également incroyablement utile pour quiconque n'a pas besoin d'approfondir les détails techniques mais souhaite acquérir des connaissances jusqu'à un niveau lui permettant de communiquer avec des analystes de données. \u003cbr\u003eC'est un ouvrage véritablement remarquable qui oscille avec finesse entre enseignement général et véritable livre technique.\u003cbr\u003e\u003cbr\u003e Surtout à une époque comme la nôtre, où l'IA gagne rapidement en popularité, il est nécessaire de se concentrer sur « l'essence » des données, la matière première qui alimente l'IA.\u003cbr\u003e Bien que les livres et articles sur l'IA abondent aujourd'hui, la manière la plus précise de comprendre l'IA consiste à retracer l'évolution de la « pensée statistique axée sur les données » jusqu'à l'IA.\u003cbr\u003e En ce sens, j'espère que ce livre pourra servir de premier manuel pour le grand public vivant à l'ère de l'IA.\u003cbr\u003e\u003cbr\u003e Les aspects techniques du livre me sont déjà familiers, et comme ils ne sont pas trop détaillés, j'ai facilement compris les arguments et les messages des auteurs dans l'ouvrage original. Le problème résidait cependant dans la traduction en coréen. \u003cbr\u003eLe contenu de chaque phrase et paragraphe est dense et le sens est condensé, ce qui rend la phrase elle-même facile, mais il a fallu beaucoup de réflexion et de temps pour traduire le sens exact et les nuances subtiles du texte original en phrases coréennes.\u003cbr\u003e Bien qu'il s'agisse d'un vieux proverbe, je n'avais pas d'autre choix que de le traduire « point par point », ce qui m'a demandé beaucoup de temps et d'efforts.\u003cbr\u003e\u003cbr\u003e Je dois avouer que j'ai toujours eu un fort désir d'écrire un bon livre qui trouve le juste équilibre entre pédagogie et technicité.\u003cbr\u003e Cependant, lors de la traduction de ce livre, j'ai éprouvé un sentiment de déception en constatant qu'un ouvrage similaire avait déjà été publié, mais en même temps, j'ai ressenti une grande joie d'avoir découvert un livre aussi remarquable et d'avoir eu l'opportunité de le traduire.\u003cbr\u003e C'est un excellent livre, et je peux le recommander sans hésiter à de nombreuses personnes.\u003cbr\u003e \u003cb\u003e- Choi Jae-won\u003c\/b\u003e\u003cbr\u003e \u003cbr\u003eAyant exercé le métier d'ingénieur des matériaux pendant plusieurs décennies, je me suis consacré à la recherche et à l'analyse de divers phénomènes liés à l'ingénierie des matériaux, même pendant mes études universitaires.\u003cbr\u003e Après avoir obtenu mon diplôme, lorsque j'ai commencé à travailler dans l'industrie des semi-conducteurs, j'ai été initié à des concepts statistiques, tels que l'interprétation de modèles pour l'analyse de fiabilité et diverses techniques de contrôle de la qualité, en plus de la perspective d'ingénierie des matériaux que j'avais étudiée.\u003cbr\u003e Il était essentiel pour les entreprises d'améliorer la qualité et la durée de vie de leurs produits pour réaliser des bénéfices.\u003cbr\u003e\u003cbr\u003e Mais une pensée persistait dans ma tête.\u003cbr\u003e Si nous comprenons pleinement les phénomènes abordés en génie des matériaux, il semble que de telles approches statistiques pourraient être minimisées, voire éliminées.\u003cbr\u003e Avec le recul, je pense que c'était peut-être surtout que je voulais ignorer complètement les approches et les applications statistiques. \u003cbr\u003eL'essentiel des travaux scientifiques et techniques sur lesquels je me suis concentré, y compris le génie des matériaux, a consisté à explorer les relations de cause à effet afin d'identifier clairement les causes et les effets.\u003cbr\u003e Puis, l'ère de l'IA est arrivée et a commencé à s'appliquer à tous les domaines, y compris les semi-conducteurs.\u003cbr\u003e Cela m'a amené à me demander quelle était la différence entre les concepts classiques de données en statistiques et les données traitées par l'IA.\u003cbr\u003e Poussé par cette vague curiosité, j'ai épluché d'innombrables articles et livres, et j'ai même erré dans l'océan d'Internet.\u003cbr\u003e\u003cbr\u003e Pour les chercheurs ordinaires comme moi, n'existe-t-il pas un livre qui soit une perle rare, qui ne se contente pas de prophéties idylliques, sans programmation ni formules statistiques complexes, mais qui aille droit au but ? Existe-t-il des auteurs qui écrivent pour des personnes animées d'une curiosité similaire ? En effet, ce lien existait bel et bien ! Il s'agissait du livre original : « Becoming a Data Head ». \u003cbr\u003eCe joyau, que j'ai déniché avec beaucoup de difficulté, était un livre anglais, mais sa lecture fut si agréable que je m'en souviens encore très bien.\u003cbr\u003e Les auteurs de ce livre étaient des conteurs hors pair qui, comme s'ils discutaient de tout ce qui m'avait toujours intrigué dans un forum de discussion, ont habilement levé le voile sur le mystère. À la lecture de ce livre, j'ai eu l'impression que des questions fondamentales sur les statistiques et les données, restées sans réponse pendant des décennies, avaient trouvé une réponse instantanée.\u003cbr\u003e\u003cbr\u003e Dans l'univers, combien de choses, y compris les défis techniques, pouvons-nous réellement comprendre les relations de cause à effet ? C'est pourquoi il était nécessaire de commencer par les statistiques et de comprendre le monde des données ouvert par l'apprentissage profond et l'IA.\u003cbr\u003e Un autre aspect frappant de ce livre est qu'il propose une variété de métaphores illustrant comment non seulement les ingénieurs et les chercheurs ordinaires, mais aussi les dirigeants et les gestionnaires d'entreprise devraient considérer et utiliser les données pour la réussite de leurs entreprises.\u003cbr\u003e \u003cbr\u003eJ’espère que les lecteurs de divers horizons apprécieront la richesse des connaissances acquises grâce aux données dans cet ouvrage, et c’est sur cette note que je conclus cet article.\u003cbr\u003e \u003cb\u003e- Jang Jin-wook\u003c\/b\u003e \u003cb\u003e[Note de l'auteur]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Nous pensons que beaucoup de gens souhaitent apprendre à bien connaître les données, mais ne savent pas par où commencer.\u003cbr\u003e Les nombreux ouvrages sur la science des données et les statistiques déjà publiés couvrent un spectre très diversifié.\u003cbr\u003e D'un côté, on trouve de nombreux ouvrages non techniques qui vantent les mérites et les perspectives prometteuses de l'utilisation des données.\u003cbr\u003e Il y a quelques bons livres parmi eux.\u003cbr\u003e Cependant, aussi bon soit un livre, il s'agit souvent d'un ouvrage traitant du monde des affaires et orienté vers le présent.\u003cbr\u003e La plupart de ces livres sont écrits par des journalistes pour mettre en lumière les aspects spectaculaires de l'essor des données.\u003cbr\u003e \u003cbr\u003eCes ouvrages expliquent comment résoudre des problèmes commerciaux spécifiques grâce à l'analyse de données. Des termes comme IA et apprentissage automatique y sont fréquemment employés.\u003cbr\u003e J'espère qu'il n'y aura pas de malentendu.\u003cbr\u003e Des ouvrages comme celui-ci ont contribué à sensibiliser le public à l'utilisation des données.\u003cbr\u003e Cependant, il n'approfondit pas les tâches spécifiques à accomplir, mais se concentre simplement sur les problèmes et les solutions d'ordre général.\u003cbr\u003e\u003cbr\u003e À l'autre extrémité du spectre se trouvent les ouvrages techniques de haut niveau.\u003cbr\u003e La plupart sont des livres volumineux de plus de 500 pages, ce qui les rend non seulement exigeants physiquement, mais aussi mentalement éprouvants.\u003cbr\u003e\u003cbr\u003e Il existe des montagnes de livres aux deux extrémités du spectre.\u003cbr\u003e Il est difficile de combler le fossé de communication car la plupart des gens ne lisent que des livres d'affaires ou techniques.\u003cbr\u003e Heureusement, il existe d'excellents livres entre ces deux extrêmes.\u003cbr\u003e\u003cbr\u003e \u003cbr\u003eNous aimerions ajouter notre livre à cette liste.\u003cbr\u003e Le livre que vous êtes en train de lire peut être lu par n'importe qui sans aucune contrainte, même sans ordinateur ni bloc-notes à proximité.\u003cbr\u003e Si vous avez apprécié notre livre, je vous recommande vivement de lire au moins l'un des deux ouvrages mentionnés ci-dessus afin d'approfondir votre compréhension des données.\u003cbr\u003e Vous ne le regretterez pas.\u003cbr\u003e\u003cbr\u003e Nos auteurs aiment beaucoup ce livre.\u003cbr\u003e Si ce livre vous motive à en apprendre davantage sur les données et leur analyse, et suscite en vous le désir d'approfondir vos connaissances, alors je considère qu'il s'agit d'une réussite.\u003cbr\u003e\u003cbr\u003e \u003cb\u003e[Note du traducteur]\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e J'ai lu, étudié et parfois traduit de nombreux ouvrages sur les données, mais celui-ci est tellement excellent que j'aurais souhaité l'avoir écrit moi-même au lieu de le traduire. \u003cbr\u003eLorsque j'ai reçu le livre original et parcouru rapidement les titres des chapitres, je me suis dit : « Ce contenu n'est-il pas trop facile ? » Cependant, dès l'instant où j'ai commencé à le lire sérieusement, savourant chaque phrase en vue de la traduction, jusqu'à la toute fin du dernier chapitre, je n'ai pu m'empêcher d'être impressionné par les efforts des auteurs pour écrire conformément aux intentions initiales du livre, et par leur grande expertise en analyse de données et en statistiques.\u003cbr\u003e\u003cbr\u003e On dit souvent que « la chose la plus facile à écrire est la plus difficile ».\u003cbr\u003e J'ai toujours adhéré à cette affirmation, mais j'en avais rarement vu d'exemple concret. Après avoir lu ce livre, j'ai eu l'impression d'enfin trouver un véritable exemple de ce qu'elle signifie.\u003cbr\u003e « Facile à écrire » signifie que l'auteur maîtrise parfaitement l'essence et la logique du contenu, ce qui permet une écriture facile, claire et logique.\u003cbr\u003e \u003cbr\u003eCe livre aborde l'analyse des données et les statistiques avec la profondeur et l'étendue adéquates, ce qui peut s'avérer complexe.\u003cbr\u003e C'est un excellent ouvrage d'introduction pour ceux qui envisagent une carrière dans ce domaine, mais il est également incroyablement utile pour quiconque n'a pas besoin d'approfondir les détails techniques mais souhaite acquérir des connaissances jusqu'à un niveau lui permettant de communiquer avec des analystes de données.\u003cbr\u003e C'est un ouvrage véritablement remarquable qui oscille avec finesse entre enseignement général et véritable livre technique.\u003cbr\u003e\u003cbr\u003e Surtout à une époque comme la nôtre, où l'IA gagne rapidement en popularité, il est nécessaire de se concentrer sur « l'essence » des données, la matière première qui alimente l'IA.\u003cbr\u003e Bien que les livres et articles sur l'IA abondent aujourd'hui, la manière la plus précise de comprendre l'IA consiste à retracer l'évolution de la « pensée statistique axée sur les données » jusqu'à l'IA. \u003cbr\u003eEn ce sens, j'espère que ce livre pourra servir de premier manuel pour le grand public vivant à l'ère de l'IA.\u003cbr\u003e\u003cbr\u003e Les aspects techniques du livre me sont déjà familiers, et comme ils ne sont pas trop détaillés, j'ai facilement compris les arguments et les messages des auteurs dans l'ouvrage original. Le problème résidait cependant dans la traduction en coréen.\u003cbr\u003e Le contenu de chaque phrase et paragraphe est dense et le sens est condensé, ce qui rend la phrase elle-même facile, mais il a fallu beaucoup de réflexion et de temps pour traduire le sens exact et les nuances subtiles du texte original en phrases coréennes.\u003cbr\u003e Bien qu'il s'agisse d'un vieux proverbe, je n'avais pas d'autre choix que de le traduire « point par point », ce qui m'a demandé beaucoup de temps et d'efforts.\u003cbr\u003e\u003cbr\u003e Je dois avouer que j'ai toujours eu un fort désir d'écrire un bon livre qui trouve le juste équilibre entre pédagogie et technicité. \u003cbr\u003eCependant, lors de la traduction de ce livre, j'ai éprouvé un sentiment de déception en constatant qu'un ouvrage similaire avait déjà été publié, mais en même temps, j'ai ressenti une grande joie d'avoir découvert un livre aussi remarquable et d'avoir eu l'opportunité de le traduire.\u003cbr\u003e C'est un excellent livre, et je peux le recommander sans hésiter à de nombreuses personnes.\u003cbr\u003e \u003cb\u003e- Choi Jae-won\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e Ayant exercé le métier d'ingénieur des matériaux pendant plusieurs décennies, je me suis consacré à la recherche et à l'analyse de divers phénomènes liés à l'ingénierie des matériaux, même pendant mes études universitaires.\u003cbr\u003e Après avoir obtenu mon diplôme, lorsque j'ai commencé à travailler dans l'industrie des semi-conducteurs, j'ai été initié à des concepts statistiques, tels que l'interprétation de modèles pour l'analyse de fiabilité et diverses techniques de contrôle de la qualité, en plus de la perspective d'ingénierie des matériaux que j'avais étudiée.\u003cbr\u003e Il était essentiel pour les entreprises d'améliorer la qualité et la durée de vie de leurs produits pour réaliser des bénéfices.\u003cbr\u003e\u003cbr\u003e Mais une pensée persistait dans ma tête. \u003cbr\u003eSi nous comprenons pleinement les phénomènes abordés en génie des matériaux, il semble que de telles approches statistiques pourraient être minimisées, voire éliminées.\u003cbr\u003e Avec le recul, je pense que c'était peut-être surtout que je voulais ignorer complètement les approches et les applications statistiques.\u003cbr\u003e L'essentiel des travaux scientifiques et techniques sur lesquels je me suis concentré, y compris l'ingénierie des matériaux, a consisté à explorer les relations de cause à effet afin d'identifier clairement les liens de cause à effet.\u003cbr\u003e Puis, l'ère de l'IA est arrivée et a commencé à s'appliquer à tous les domaines, y compris les semi-conducteurs.\u003cbr\u003e Cela m'a amené à me demander quelle était la différence entre les concepts classiques de données en statistiques et les données traitées par l'IA.\u003cbr\u003e Poussé par cette vague curiosité, j'ai épluché d'innombrables articles et livres, et j'ai même erré dans l'océan d'Internet.\u003cbr\u003e \u003cbr\u003ePour les chercheurs ordinaires comme moi, n'existe-t-il pas un livre qui soit une perle rare, qui ne se contente pas de prophéties idylliques, sans programmation ni formules statistiques complexes, mais qui aille droit au but ? Existe-t-il des auteurs qui écrivent pour des personnes animées d'une curiosité similaire ? En effet, ce lien existait bel et bien ! Il s'agissait du livre original : « Becoming a Data Head ».\u003cbr\u003e Ce joyau, que j'ai déniché avec beaucoup de difficulté, était un livre anglais, mais sa lecture fut si agréable que je m'en souviens encore très bien.\u003cbr\u003e Les auteurs de ce livre étaient des conteurs hors pair qui, comme s'ils discutaient de tout ce qui m'avait toujours intrigué dans un forum de discussion, ont habilement levé le voile sur le mystère. À la lecture de ce livre, j'ai eu l'impression que des questions fondamentales sur les statistiques et les données, restées sans réponse pendant des décennies, avaient trouvé une réponse instantanée.\u003cbr\u003e \u003cbr\u003eDans l'univers, combien de choses, y compris les défis techniques, pouvons-nous réellement comprendre les relations de cause à effet ? C'est pourquoi il était nécessaire de commencer par les statistiques et de comprendre le monde des données ouvert par l'apprentissage profond et l'IA.\u003cbr\u003e Un autre aspect frappant de ce livre est qu'il propose une variété de métaphores illustrant comment non seulement les ingénieurs et les chercheurs ordinaires, mais aussi les dirigeants et les gestionnaires d'entreprise devraient considérer et utiliser les données pour la réussite de leurs entreprises.\u003cbr\u003e\u003cbr\u003e J’espère que les lecteurs de divers horizons apprécieront la richesse des connaissances acquises grâce aux données dans cet ouvrage, et c’est sur cette note que je conclus cet article.\u003cbr\u003e \u003cb\u003e- Jang Jin-wook\u003c\/b\u003e \u003c\/div\u003e\n\u003cdiv\u003e\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003e SPÉCIFICATIONS DES PRODUITS \u003c\/div\u003e\n\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eDate d'émission :\u003c\/strong\u003e 3 mai 2024\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e \u003cstrong\u003eNombre de pages, poids, dimensions :\u003c\/strong\u003e 368 pages | 544 g | 152 × 224 × 19 mm\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN13 :\u003c\/strong\u003e 9791189909628\u003c\/div\u003e\n\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e - \u003cstrong\u003eISBN10 :\u003c\/strong\u003e 1189909626 \u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\n\u003c\/div\u003e\n\n\u003ccenter\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\n\u003cspan\u003e\u003c\/span\u003e\n\n\u003c\/center\u003e\n\n\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893711044650,"sku":"110267","price":29.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/980591c5411ec277e52fe08bf74fddab.jpg?v=1765413176","url":"https:\/\/librairie.coreenne.fr\/products\/110267","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}