Les treemap permettent d’avoir une représentation hiérarchique de vos données
Dans mon précédent article 5 conseils pour présenter vos résultats d’analyses je parlais de Treemap. De premier abord ce type de graphique peut paraître compliqué voire inutile s’il n’est pas utilisé pour la bonne problématique. Pourtant comme la plupart des visualisations, si vous savez l’utiliser à bon escient il deviendra un véritable allié de vos tableaux de bords.
Ca y est votre analyse est presque terminée, après plusieurs jours de préparation, d’exploration et peut être même de modélisation vous avez des programmes, des lignes de code, des chiffres un peu partout et surtout des résultats.
Félicitations vous allez pouvoir passer à la phase de restitution. La plupart des Data Scientists que j’ai rencontré n’apprécient pas vraiment cette partie du projet. Je trouve au contraire que tout peu se jouer à ce moment là. Une super analyse mal restituée ça ne fonctionne pas, tout comme une mauvaise analyse bien restituée d’ailleurs. Moi j’adore cette partie de visualisation des résultats et voici mes conseils pour réussir.
Lire la suite de « Comment bien présenter vos analyses? »
Algorithmes distribués avec la librairie H2O
En participant à un challenge sur Datascience.net, j’ai découvert le package H2O. Je voulais développer un réseau de neurones sous R et j’ai vite été limitée par le package Neralnet.
H2O c’est une librairie open source qui regroupe des algorithmes qui peuvent être appliqués sur des données massives et distribuées sur un environnement Hadoop. La librairie peut être utilisée directement à partir de Spark, R ou Python ce qui rend son utilisation vraiment simple pour les Data Scientists qui connaissent déjà ces langages.
Lire la suite de « Algorithmes distribués avec la librairie H2O »