Il y a 20 ans, l’Extreme Programming était un framework novateur avec des pratiques de génie logiciel sans lesquelles nous n’imaginerions plus travailler aujourd’hui pour produire des logiciels de qualité. Dans cette présentation, nous découvrirons comment les pratiques de l’Extrême Data-Science, qui se reposent sur les épaules du géant Extrême Programming, nous permettent d’intégrer avec succès les data-scientists et leurs projets dans les équipes, et aident à assurer la qualité des livrables data-science qui offrent des fonctionnalités optimales pour l’utilisateur.

1. Anastasia Lieva
EXTREME DATA-SCIENCE

2. @lievAnastazia
#ExtremeDataScience

3. @lievAnastazia
#ExtremeDataScience

7. Prédire la consommation de chaque appareil

8. Prédire la consommation de chaque appareil
Prédire la production des panneaux solaires

9. Prédire la consommation de chaque appareil
Prédire la production des panneaux solaires

10. Enrichissement
et traitement
des données
brutes
Cycle de
Livraison des
prédictions
Apprentissage
artificiel
Déploiement des
modèles

11. Enrichissement
et traitement
des données
brutes
Cycle de
Livraison des
prédictions
Apprentissage
artificiel
Déploiement des
modèles
Quelles données doit-on
utiliser pour le modèle?
Quelles métriques
doit-on optimiser ?
Quels algorithmes
benchmarker ?
À quelle fréquence doit-on
produire le modèle ?
À quelle fréquence doit-on
produire les prédictions ?
Comment prétraiter les
données disponibles ?

12. EXTREME PROGRAMMING

13. EXTREME PROGRAMMING

14. EXTREME PROGRAMMING
1/ Transparence du processus et responsabilisation des acteurs

15. EXTREME PROGRAMMING
1/ Transparence du processus et responsabilisation des acteurs
2/ Logiciels de qualité, ayant beaucoup moins de défauts

16. EXTREME PROGRAMMING
masterofproject.com
1/ Transparence du processus et responsabilisation des acteurs
2/ Logiciels de qualité, ayant beaucoup moins de défauts

17. EXTREME DATA SCIENCE
masterofproject.com
1/ Transparence du processus et responsabilisation des acteurs
2/ Solutions data-science de qualité, ayant beaucoup moins de défauts

18. EXTREME DATA-SCIENCE
● Communication
● Simplicité
● Confiance
● Respect
● Courage
EXTREME PROGRAMMING

19. Data-Scientist
What my university thinks I do
What society thinks I do What my boss thinks I do What my coworkers think I do
What my younger me thought I’ll do What I actually do
Science

20. Data-Scientist
What my university thinks I do
What society thinks I do What my boss thinks I do What my coworkers think I do
What my younger me thought I’ll do What I actually do
Science

21. Communication

22. ● Métaphores
Communication

23. Avec @MagaliBaude et @manudebuire
Ateliers collaboratifs

24. ● Métaphores
● Casser les mythes
Communication

26. ● Métaphores
● Casser les mythes
● Collaboration au quotidien
Communication

27. http://www.c-sharpcorner.com/UploadFile/d9c992/the-agile-scrum-framework/
Daily avec les développeurs

28. Data-science en binôme avec les développeurs

30. ● Architecture simple et évolutive
● Respect des règles de codage

31. ● Architecture simple et évolutive
● Respect des règles de codage
● Appropriation collective du code

32. Ateliers utilisateurs & Design Thinking

33. ● Les histoires utilisateurs cadrent le besoin data-science

34. La systeme de recommandation
des videos ( à la YouTube)
Epic
Construire le prototype d’un
système de recommandation avec
une approche basée sur le contenu
Story 1
En tant qu'utilisateur je veux liker ou disliker les vidéos
visionnées afin de donner mon évaluation sur le contenu
Story 2
En tant que data-scientist je veux extraire les méta-informations (titre, genre de la vidéo,
actrices/acteurs principaux, BO) à partir des vidéos afin de les utiliser dans l’algorithme de
recommandation.
Story 3
En tant que data-scientist je veux modéliser les réactions
des utilisateur par rapport aux vidéos avec un réseau de neurones récurrents

35. ● Les histoires utilisateurs cadrent le besoin data-science
● Mise en production de la solution minimale rapidement
pour avoir le retour d’utilisateur

36. Data-Scientist
What my university thinks I do
What society thinks I do What my boss thinks I do What coworkers think I do
What my younger me thought I’ll do What I actually do
Science

37. Data scientist
AGILEXP
VOUS

38. MERCI
https://duchessfrslackinvite.herokuapp.com/

39. MERCI
https://duchessfrslackinvite.herokuapp.com/
https://mixitconf.org/en/2019/
make-data-science-great-again-pourquoi-et-comment-crafter-la-data-science-sur-mesure-
https://www.actuia.com/acteur/anastasia-lieva/