Après beaucoup d'attente, ils sont enfin revenus ! 'Ils', ce sont les liens que j'avais posté sur mon ancien shaarli, partagé avec mon ancien colloc Nicolas Cellier (@Pwass) sur server.nicolas-cellier.net/shaarli À noter que celui-ci, je le rappelle, possède un nouveau shaarli sur shaarli.nicolas-cellier.net (où devrait aussi réapparaitre sous peu ses anciens liens à lui). N'hésitez donc pas à reparcourir ces liens, qui vont du 14 Mars au 26 Juin 2014. u programme, du Big-Data bien sûr, mais aussi pas mal de datavisualisation, une de mes principales préoccupations d'alors, mais que j'ai un peu lâché maintenant...
À noter que j'avais encore avant (il y a 3-4 ans) un autre shaarli avec un autre de mes anciens collocs, Christophe Richon (shaarli.terminus.crichon.eu), mais ces liens là sont perdus quelque part sur un disque dur dans Compiègne... J'essairai aussi de remettre la main dessus à l'occasion

Tout est dans le titre. Après je ne suis pas tout à fait d'accord avec leur définition du data-scientist : pour moi, cela se réfère surtout à de l'exploration mathématique des données, sans tout l'aspect autour (visualisation récupération, stockage...). Quelqu'un amené à gérer tout ces aspects (comme je le fais actuellement) est plutôt un data engineer, qui sait manipuler la donnée sous toutes ses formes et dans toutes ses opérations. À ce titre il est amené à faire de la data-science (mais sans être data-scientist), de l'admin-sys (mais sans être admin-sys), du réseau (mais sans être admin-réseau), de la base de données (mais sans être DBA...). C'est ça qui me plait autant dans mon job, cette capacité de toucher-à-tout.
Après la majeure partie des définitions que je vois ne font pas cette distinction. Peut-être vais-alors finir par vraiment me considérer comme un data-scientist.

Une explication du concept de Pregel, qui est un concurrent du concept Map-Reduce. Encore peu implémenté (sauf par GraphX et Apache Giraph) et utilisé (sauf par Google, tiens donc...), ce sera sans doute un des concepts phare de l'avenir du Big-Data avec la baisse à venir de l'utilisation de Map-Reduce. Issue à la base du Bulk Synchronous Parallel (http://en.wikipedia.org/wiki/Bulk_synchronous_parallel).

Utilisation de Spark, outil de Map-Reduce in-memory sur des données étant dans une base Cassandra. Premier blog-post écrit pour le blog de ma boite, Affini-Tech \o/

Description d'une librairie Python pour utiliser un partage de clé secrète de Shamir (https://fr.wikipedia.org/wiki/Partage_de_cl%C3%A9_secr%C3%A8te_de_Shamir). Celui-ci est un concept de cryptographie : on divise un secret en n partie de telle sorte qu'il est possible de le reconstituer avec uniquement k parties (avec k<n) Pour la démonstration, ça demande des mathématiques un peu bourrin. Tu pourras peut-être m'éclairer un jour Pwass (shaarli.nicolas-cellier.net) ?
La réponse de pwass : http://shaarli.nicolas-cellier.net/?F1suvA

Une carte en direct des interactions git dans le monde. C'est là qu'on voit qu'internet esst quand même un outil sacrément mondial

Une analyse plutôt pertinente du chemin que doivent prendre les technologies Big-Data afin d'être adoptées plus facilement. En gros, celles-ci doivent être simplifiées un maximum pour l'utilisateur final. C'est un problème que l'on retrouve pour toute nouvelle technologie en informatique : au début c'est miraculeux et extrêmement novateur, mais très compliqué à utiliser (cela nécesssite de se plonger dedans à fond avec peu de doc sur le net) mais dès que ça commence à être simplifié, ça peut enfin commencer à être vraiment industrialisé.

Michael Stonebraker, l'un des pères des bases de données, créateur notamment de Postgres et Vertica, décrit ce qu'il pense du marché actuel des bases de données. Les raisons historiques de création des RDBs, des attaques en règle contre Oracle et SQL Server, l'avenir pour lui des databases... Pal de trucs intéressants donc !

C'est vrai qu'avec tous les nouveaux outils Data qui apparaissent (Hadoop, Spark, pandas) on oublie souvent que le meilleur moyen de traiter de la donnée, c'est d'utiliser la bonne vieille command line. Alors certes, ça prends un peu de temps, mais c'est quand même largement optimisé par rapport à pas mal d'outils (je pense d'ailleurs que je vais de plus en plus utilisé certaines commandes dans mes scripts python dans des soucis d'optimisation, je pense notamment au fait de concaténer des fichiers, beaucoup beaucoup plus rapide avec un cat qu'en recopiant le fichier ligne à ligne). Je pense que je vais me lancer dans la lecture de ce bouquin pour être au top : http://datascienceatthecommandline.com/

POURQUOI ON AVAIT PAS ÇA À l'ÉCOLE NOUS ???