Original (English)

Azure Open Datasets expliqué

données publiques gratuites et nettoyées pour le machine learning, Power BI et Python

Quand on apprend la data science ou le machine learning, l’obstacle n’est souvent pas la théorie mais le manque de données exploitables : formats étranges, colonnes incompréhensibles, valeurs manquantes. Cet épisode présente Azure Open Datasets, une bibliothèque gratuite de jeux de données publics déjà nettoyés, pour démarrer en quelques minutes au lieu de plusieurs semaines.

▶ Azure Open Datasets expliqué : données publiques gratuites et nettoyées pour le machine learning, Power BI et Python (Doublage IA)

Au programme :

1. Ce qu’est Azure Open Datasets : des jeux de données publics de la NOAA, du US Census Bureau et de municipalités, nettoyés par Microsoft et hébergés dans Azure Storage au format colonnaire Parquet
2. Les quatre problèmes des données brutes – recherche, préparation, volume et reproductibilité – et pourquoi des signaux externes comme la météo et les jours fériés améliorent les modèles de machine learning
3. Le catalogue : météo NOAA, jours fériés de 38 pays, recensement et statistiques de l’emploi américains, courses de taxi à New York, sécurité publique de San Francisco, COVID-19 Data Lake et jeux de référence comme Diabetes, MIND et ventes de jus d’orange
4. Les accès : package Python sans compte Azure qui renvoie un DataFrame Pandas, Azure Machine Learning, le connecteur Azure Blob Storage de Power BI, le SQL serverless d’Azure Synapse avec OPENROWSET et Spark dans Azure Databricks
5. Le vrai coût : les données et leur stockage sont gratuits ; vous payez le calcul, la sortie de données (environ 8 à 9 centimes par Go) et votre propre stockage – le conseil clé : rester dans la même région

Cet épisode est une version française doublée par IA de la vidéo animée du M365 Show présentée par le Microsoft MVP Mirko Peters.