#DataScience reposent sur la recherche. La recherche est synonyme d'incertitude. Lorsque vous développez des produits dans le domaine de la Data Science, vous avez une vague idée de votre objectif et vous ne savez jamais exactement où la technologie vous mènera.
Pour autant les investisseurs (ou business sponsors) ont besoin de chiffres précis comme la date de mise en production du produit, son coût ou son apparence.
Comment utiliser #Agile dans les projets de Data Science pour apporter de la visibilité et de la prévisibilité au développement de ces produits ? #machinelearning #AI
3. Anca Onuta
ORDRE DU JOUR
1. Faisons connaissance
2. Introduction
3. Défi 1: Définir le Backlog du produit
4. Défi 2: Releasable Product ou Définition de Done
5. Défi 3: Roadmap produit
6. Questions & Réponses
7. Anca Onuta
QUI ÊTES-VOUS ?
¡ Qui ici travaille avec Agile ?
¡ Qui fait duVRAI Agile ?
¡ Qui travaille avec des produits
Data Science ?
8. Anca Onuta
QUI ÊTES-VOUS ?
¡ Qui ici travaille avec Agile ?
¡ Qui fait duVRAI Agile ?
¡ Qui travaille avec des produits
Data Science ?
¡ Machine Learning
9. Anca Onuta
QUI ÊTES-VOUS ?
¡ Qui ici travaille avec Agile ?
¡ Qui fait duVRAI Agile ?
¡ Qui travaille avec des produits
Data Science ?
¡ Machine Learning
¡ ComputerVision
10. Anca Onuta
QUI ÊTES-VOUS ?
¡ Qui ici travaille avec Agile ?
¡ Qui fait duVRAI Agile ?
¡ Qui travaille avec des produits
Data Science ?
¡ Machine Learning
¡ ComputerVision
¡ Qui fait Agile ET la Data Science ?
11. Anca Onuta
QU'EST-CE QUE LA DATA SCIENCE?
¡ L'apprentissage automatique est l'étude scientifique d'algorithmes et de modèles statistiques que les systèmes
informatiques utilisent pour effectuer une tâche spécifique sans utiliser d'instructions explicites.
SourceWikipedia
¡ Exemples :
¡ Tesla autopilote
¡ Détection Cancer
¡ Face App
¡ Google street view
¡ Identification de visage
¡ Face ID
12. Anca Onuta
LES PARTICULARITÉS DE LA DATA SCIENCE
¡ Vous ne savez jamais où
la technologie vous
mènera
¡ Vous ne pouvez pas
définir les exigences
exactes
¡ Il n'y a pas de recul
¡ Essayez et vous verrez
ce que vous obtenez
30. Anca Onuta
L’OBJECTIF DU PRODUIT : IDENTIFIER LES LOGEMENTS
¡ Question : Qu'est-ce qu’un logement ?
¡ Défi : il n’existe pas de définition claire du périmètre de produit ! Cela dépend du
contexte !
¡ Par où commencer ? Comment définir la première itération qui apporte de la valeur
mais qui soit suffisamment courte ?
31. Anca Onuta
L’OBJECTIF DU PRODUIT : IDENTIFIER LES LOGEMENTS
¡ Question : Qu'est-ce qu’un logement ?
¡ Défi : il n’existe pas de définition claire du périmètre de produit ! Cela dépend du
contexte !
¡ Par où commencer ? Comment définir la première itération qui apporte de la valeur
mais qui soit suffisamment courte ?
¡ Solution : ne pas créer le produit par étapes, mais pour un type d’utilisateurs très
restreint. Par exemple, identifier les logements situés dans un village à côté de la
mer.
33. Anca Onuta
DÉFI 2 : RELEASABLE PRODUCT OU DÉFINITION DE DONE
¡ Problème !! Gap entre les attentes du produit final et le valeur ajoutée à chaque
itération
34. Anca Onuta
DÉFI 2 : RELEASABLE PRODUCT OU DÉFINITION DE DONE
¡ Problème !! Gap entre les attentes du produit final et le valeur ajoutée à chaque
itération
¡ Ce qui a fonctionné : communication, implication des entreprises, transparence,
mesure des métriques, tenue de registres, formation des représentants métiers.
35. Anca Onuta
DÉFI 2 : RELEASABLE PRODUCT OU DÉFINITION DE DONE
¡ Problème !! Gap entre les attentes du produit final et le valeur ajoutée à chaque
itération
¡ Ce qui a fonctionné : communication, implication des entreprises, transparence,
mesure des métriques, tenue de registres, formation des représentants métiers.
¡ Individuals and interactions over processes and tools, MAIS PAS Working software is
the primary measure of progress.
36. Anca Onuta
DÉFI 2 : RELEASABLE PRODUCT OU DÉFINITION DE DONE
¡ Problème !! Gap entre les attentes du produit final et le valeur ajoutée à chaque
itération
¡ Ce qui a fonctionné : communication, implication des entreprises, transparence,
mesure des métriques, tenue de registres, formation des représentants métiers.
¡ Individuals and interactions over processes and tools, MAIS PAS Working software is
the primary measure of progress.
Pouvons-nous vraiment faire de l'agilité en Data Science?
Peut-on faire leVRAI Agile en Data Science?
37. Anca Onuta
DÉFI 3 : PRODUCT ROADMAP
¡ Estimation du produit
¡ Vision à long terme
¡ Visibilité sur les progrès
¡ Prévisibilité ?
38. Anca Onuta
À QUOI RESSEMBLE
LE CHEMIN DE
DÉVELOPPEMENT
D’UN PRODUIT
DATA SCIENCE ?