Microsoft annonce la disponibilité publique de deux utilitaires de science des données

Les scientifiques des données passent la plupart du temps une quantité importante de temps à écrire du code à la recherche de réponses aux questions ci-dessous.

• À quoi ressemblent les données ? C'est quoi le schéma ?
• Quelle est la qualité des données ? Quelle est la gravité des données manquantes ?
• Comment les variables individuelles sont-elles distribuées ? Dois-je faire une transformation de variable ?
• Quelle est la pertinence des données pour la tâche d'apprentissage automatique ? Quelle est la difficulté de la tâche d'apprentissage automatique elle-même ?
• Quelles variables sont les plus pertinentes pour la cible de machine learning ?
• Existe-t-il un modèle de regroupement spécifique dans les données ?
• Comment les modèles ML sur les données fonctionneront-ils ? Quelles variables sont significatives dans les modèles ?

Une grande partie du code peut être généralisée dans des utilitaires de science des données qui peuvent être réutilisés dans tous les projets, aidant les scientifiques des données à travailler sur des tâches spécifiques dans un projet en mode guidé, garantissant la cohérence et l'exhaustivité des tâches sous-jacentes. Pour aider les scientifiques des données, Microsoft publie deux utilitaires de science des données,

1. Exploration, analyse et création de rapports interactifs sur les données (IDEAR) et
2. Modélisation et création de rapports automatisés (AMAR).

Ces deux utilitaires, qui s'exécutent dans CRAN-R, sont accessibles depuis ce site GitHub.

En savoir plus sur ces utilitaires ici.