Data Science Le pilier moderne de l’économie

Data Science Le pilier moderne de l'économie

Image: Shutterstock, sous licence (1928239373)

Grandes lignes

Avec les avancées technologiques des dernières années, notamment depuis le tournant du millénaire, la science des données est devenue une discipline à part entière, distincte de l’informatique et plus étroitement liée aux statistiques. Elle s’est taillée une place dans laquelle les scientifiques des données s’appliquent à résoudre des problèmes commerciaux qui reposent sur l’accès, le traitement et finalement l’interprétation des données.

Cela demande un ensemble de compétences particulières telles qu’une bonne connaissance des langages de programmation, par exemple Python et R, pour aider à simplifier les flux de travail analytiques nécessaires à l’accès à de vastes ensembles de données disparates. Les compétences du scientifique des données combinées à celles de l’économiste offrent une formule gagnante pour ceux qui cherchent à se distinguer de la foule et à maîtriser l’économie moderne.

Faits et chiffres

Les conclusions ci-dessus sont étayées par le fait que la prestigieuse London School of Economics [1] a récemment étendu son programme d’études pour inclure une licence en science des données et analyse commerciale, avec pour slogan la promesse que les apprenants apprendraient “à analyser des données pour résoudre des problèmes réels”, des problèmes réels qui sont naturellement basés sur des relations économiques et commerciales.

Un autre indicateur positif est que l’ancien économiste en chef de la Banque mondiale [2] et le co-lauréat du prix Nobel d’économie 2018, Paul Romer, est un partisan de Jupyter Notebook, une application web open source qui permet aux utilisateurs de créer et de partager des documents comprenant du code en direct, des équations et des visualisations pour soutenir l’informatique interactive dans plusieurs langages de programmation. Cette remarque finale est au cœur de Jupyter, le nom Jupyter étant un acronyme signifiant Julia, Python et R, les trois étant des langages de programmation.

Le fait qu’un géant de l’économie soit un fervent défenseur d’un outil de science des données en dit long – sans jeu de mots – et cela indique clairement la direction à prendre. Comme Romer l’a noté dans un blogpost datant de 2018 : “Jupyter récompense la transparence ; Mathematica rationalise la dissimulation. Jupyter encourage l’intégrité individuelle ; Mathematica permet aux individus de se cacher derrière l’évasion corporative”. [3] Ici, il compare Jupyter à une plateforme concurrente, Mathematica, cependant si…

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AI

T5 Transformateurs de texte à texte (Partie Deux)

La proposition de BERT [5] a conduit à la popularisation des approches d'apprentissage par transfert pour le traiteme...

AI

Une nouvelle recherche en IA en provenance de Chine présente GLM-130B un modèle de langage pré-entraîné bilingue (anglais et chinois) avec 130 milliards de paramètres.

Récemment, les capacités de zéro-shot et de few-shot des grands modèles de langage (LLM) ont considérablement augment...

AI

Les fausses vidéos créées par l'intelligence artificielle répandent la désinformation lors des élections slovaques.

De la désinformation a été répandue sur les réseaux sociaux avant les élections slovaques qui ont eu lieu le week-end...

AI

Réconcilier le paradoxe de l'IA générative les chemins divergents de l'intelligence humaine et artificielle dans la génération et la compréhension.

De ChatGPT à GPT4 en passant par DALL-E 2/3 et Midjourney, la dernière vague d’intelligence artificielle généra...