Lois de puissance en data science

principe de Pareto, anomalies et modèles prédictifs

Certains obtiennent 80 % des résultats avec seulement 20 % des efforts : le principe de Pareto est la clé des distributions en loi de puissance. Ce court épisode montre pourquoi quelques éléments dominent de nombreux jeux de données et comment les data scientists en tirent parti.

▶ Lois de puissance en data science : principe de Pareto, anomalies et modèles prédictifs (Doublage IA)

Au programme :

1. Le principe de Pareto et des exemples comme 90 % du trafic web concentré sur 10 % des sites
2. La détection d’anomalies : repérer plus vite les valeurs aberrantes, par exemple dans les journaux réseau
3. Des modèles prédictifs et des systèmes de recommandation plus précis centrés sur les données les plus influentes
4. Mieux allouer les ressources, par exemple aux serveurs qui traitent le plus de trafic
5. Analyser les réseaux sociaux : identifier la poignée d’utilisateurs qui génère la plupart des interactions

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