Conseils IT

Conseils IT

Big Data

• Plongée dans SAP HANA

  Véritable « plateforme » qui va du Data Warehouse au serveur applicatif, en passant par le NoSQL et l'intégration de données, la base in-memory de SAP a beaucoup de visages. Certains sont plus que séduisants, d'autres un peu moins.  Lire la suite

• Où en est SAP HANA ?

  Hasso Plattner, cofondateur de SAP, explique les évolutions de HANA, la manière dont elles répondent aux nouvelles exigences des entreprises et le pourquoi de la restructuration en cours de cette division base de données.  Lire la suite

• Conseils en matière de stockage pour l'intelligence artificielle et le Machine Learning

  Les supports de données destinés aux secteurs de l'intelligence artificielle et du Machine Learning nécessitent une planification particulière. Cet article vous rappelle les points à prendre en compte et ce que vous devez prévoir.  Lire la suite

• Intelligence Artificielle : changement de paradigme dans le domaine du stockage

  Dans le stockage également, l'Intelligence Artificielle a le vent en poupe et peut apporter de nombreux avantages : optimisation des latences, modifications de politique aisées et augmentation des performances.  Lire la suite

• Machine Learning : l'indispensable préparation des données requiert encore (beaucoup) d'humain

  Vous voulez automatiser vos processus grâce à l'intelligence artificielle ? D'accord. Mais ne négligez surtout pas le travail manuel qui reste encore nécessaire pour préparer les données avant de les injecter dans les algorithmes.  Lire la suite

• Big Data : Ce qu'il faut prendre en compte dans les formats de données

  Si JSON est aujourd’hui devenu le format de données de référence pour les développeurs, Parquet, ORC peuvent être de meilleures options pour l’analytique. Cet article vous en dit plus sur les différents formats de données Big Data.  Lire la suite

• CRM : trois bonnes raisons d'avoir un Data Scientist dans son équipe CX

  Les équipes en charge l'expérience client (CX) n'ont habituellement pas de Data Scientist. Mais en ajouter un peut aider à extraire plus de valeur des données que ne le ferait un analyste CRM classique avec un logiciel BI clef en main.  Lire la suite

• Le Big Data pour consolider ses données de sécurité : oui, mais de manière ordonnée

  Gartner recommande une sérieuse préparation afin d’aligner la collecte et le stockage des données sur les objectifs métiers et les besoins de la plateforme d’analyse ou du prestataire de service managé qui sera éventuellement chargé de la ...  Lire la suite

• Machine Learning : les différentes manières dont le « as a Service » démocratise l'IA

  L'émergence d'outils d'Intelligence Artificielle « à la demande » permet à un plus grand nombre d'entreprises, au-delà des géants de la Tech et des multinationales, d'accéder aux avantages du Machine Learning et du Deep Learning.  Lire la suite

• Qu'est-ce que la virtualisation de données ?

  Selon Forrester, la virtualisation de données (ou Data Virtualization) est la forme particulière d'intégration de données qui connaît la croissance la plus rapide. Mais pourquoi est-elle si « particulière » ?  Lire la suite

• Machine Learning : bien comprendre les trois niveaux d'offres de Google Cloud

  APIs et services AutoML pour les développeurs, BigQuery ML pour les Data Analystes, boite à outils à base de Tensorflow pour les Data Scientists, Google segmente très clairement son offre pour toucher le plus d'utilisateurs possibles.  Lire la suite

• Machine Learning : comment choisir le bon framework ?

  Ce ne sont pas les outils open source qui manquent pour le Machine Learning et le Deep Learning. A tel point que choisir les bons peut vite devenir une gageure. Pour faire un choix avisé, voici quelques conseils de spécialistes à bien garder à ...  Lire la suite

• Des données non structurées aux données structurées : c’est possible avec le Machine Learning

  Avec la puissance de calcul facilement accessible et les progrès en matière de Machine Learning, il devient plus facile et moins coûteux de transformer les données non structurées en sources d'information comestible.  Lire la suite

• Intelligence Artificielle : quelle différence entre NLP et NLU ?

  NLP (Natural Language Processing) et NLU (Natural Language Understanding) sont de plus en plus importants dans l'entreprise. Le premier se contente d'analyser les mots, mais le second vise à approfondir la compréhension.  Lire la suite

• S3 contre HDFS : que choisir pour son data lake

  Un lac de données bâti sur S3 rationalise l'analyse des données, mais présente des limites pour ceux qui veulent aller au-delà de l'écosystème du groupe.  Lire la suite