Crédit : Dreamstime
« Lorsque [l’équipe des sciences de l’information de Netflix] a commencé, il y en avait un seul type de chercheur de données », a déclaré Christine Doig, directrice de l’innovation pour les expériences personnalisées chez Netflix. « Maintenant, la fonction a été intégrée dans l’organisation. »
Ce n’est pas seulement une chose Netflix. Sur tous les marchés, les entreprises acceptent la science de l’information pour créer des expériences personnalisées et attrayantes, optimiser les prix, etc. Ce faisant, ils élargissent l’utilisation de la science des données à la gestion des articles, au marketing et à d’autres lieux.
C’est pourquoi le langage que les organisations utiliseront pour analyser leurs informations sera progressivement Python, et non R . Alors que les organisations veulent un groupe plus diversifié pour aider à la science de l’information, l’appel de masse de Python produit une rampe d’accès simple.
R ou Python ?
Historiquement, si vous vouliez faire des sciences de l’information, vous deviez connaître R. Comme détaillé sur le site de l’emploi R, « R est une solution intégrée suite d’installations logicielles pour la manipulation, l’estimation et l’affichage visuel de l’information. » Ce n’est pas vraiment un langage de spectacles, en soi, mais en contient un.
Initialement conçu pour l’analyse analytique et numérique, R est resté fidèle à ces racines et reste un excellent outil, en particulier pour les statisticiens dans leur rôle de chercheurs en information. Cette force peut également être une faiblesse, compte tenu de la diffusion de la science des données bien au-delà du domaine de l’analyse statistique.
Il est vrai, comme le souligne Sheetal Kalburgi, chef de produit associé chez Anaconda, que « les chercheurs de données sont plus techniques et statistiques » et sont souvent « responsables de tâches telles que l’établissement d’algorithmes analytiques complexes qui interagissent avec les performances des éléments, prédisent les résultats, stylisent les expériences telles que les tests A/B et optimisent les opérations de calcul, pour n’en nommer que quelques-uns ».
Ils ont également tendance à bien connaître les programmes, c’est pourquoi votre chercheur de données moyen est beaucoup plus susceptible d’avoir une formation en programmes qu’une formation en données de base.
Même si Si le problème d’organisation d’une entreprise est centré sur les données, il est encore fréquent que Python s’avère supérieur, ne serait-ce qu’en raison de sa familiarité.
Comme me l’a dit Van Lindberg, avocat général de l’application Python Software Structure, « Python est le deuxième meilleur langage pour tout. R est peut-être le meilleur pour les statistiques, mais Python est le deuxième … et le deuxième meilleur pour [l’intelligence artificielle], les services Web, les outils shell et (insérez le cas d’utilisation ici). Si vous souhaitez faire plus que de simples statistiques, alors l’étendue de Python est une victoire frustrante. »
Personne ne souhaite réellement la médaille d’argent plutôt que celle d’or, mais dans ce cas, la deuxième place indique que Python se rendra utile pour une sélection beaucoup plus large de cas d’utilisation. Comme Peter Wang, PDG d’Anaconda, l’a déclaré dans une interview, « Python avait une portée plus large dès le début ». L’ADN de l’ingénierie et de la science est « intégré dans le noyau Python ». Ce sera donc la bonne réponse beaucoup plus typiquement que R.
Python avale la science de l’information
Ce n’est pas tant une critique de R qu’une reconnaissance de l’élan et de la masse que Python a pour lui. Selon une récente enquête SlashData auprès de plus de 20 000 développeurs, Python est un designer bien-aimé, se classant 2e juste derrière JavaScript en termes de popularité.
Cela provient en partie du grand voisinage autour de Python qui étend l’énergie de Python dans toutes sortes de domaines (apprentissage en profondeur, système expert, etc.) tout en l’ajustant dans des domaines essentiels pour améliorer les performances. Il est de plus en plus difficile de découvrir des endroits où Python n’est pas pressé d’être l’alternative de premier choix, pas simplement « le deuxième meilleur », pour utiliser la formulation de Lindberg.
Une partie de l’attrait de Python découle simplement de sa simplicité est d’utiliser. Étant donné que les entreprises recherchent frénétiquement des talents en science des données, la solution la plus pratique consiste à recruter des employés existants. Même ceux qui n’ont pas de formation en ingénierie découvrent qu’il est simple d’accepter la syntaxe et la lisibilité de base de Python et apprécient à quel point il est bénéfique pour le prototypage rapide.
Récemment, la facilité d’utilisation de Python est devenue encore plus facile avec la publication par Anaconda de PyScript, qui rend Python plus accessible aux développeurs frontaux en permettant de composer Python en HTML pour construire des applications Web. Il ne s’agit que d’une autre innovation parmi une longue série d’innovations dans la communauté Python pour élargir et approfondir ce que les développeurs et les data scientists peuvent faire avec Python.
Ces innovations, et la communauté Python qui en profite , décident considérablement d’utiliser Python beaucoup plus facilement.
Pour les domaines où R ou une autre alternative pourrait être le tout premier choix, Wang recommande l’histoire de Python en tant que langage de colle fantastique, ce qui implique que « peut-être que quelqu’un développera un excellent wrapper Python pour exposer une fine cale afin d’exposer certaines capacités de R » ou faciliter le développement d’un spécialiste des données avec Python tout en incluant des correspondances d’autres communautés, comme R.
Toutes ces aides décrivent pourquoi Python semble prêt à aider à conduire la prochaine décennie de la science de l’information, étant donné à quel point il est robuste pour les chercheurs de données avertis et les aspirants moins expérimentés.
.
Toute l’actualité en temps réel, est sur L’Entrepreneur
