Une explication des différentes implémentations de python (car oui, python, en soi, n'est qu'un interface).

Une bonne explication simple du Machine Learning en démontant quelques idées reçues. Et oui, bien que Big Data et ML sont deux domaines très liées, ils sont quand même bien séparées et indépendants (la preuve, mon école enseignait du ML depuis plus de 10 ans, soit avant l'apparition du Big Data en tant que tel).
Merci à Aurélie pour le lien

Une très bonne introduction au logging en général, en python en particulier

Jupyter continue d'évoluer tous les jours, avec notamment une très bonne intégration aujourd'hui du langage R (pour infos, il y a plus de 50 langages intégrés par jupyter). Et si vous avez du mal à vous décider entre R et python pour vos analyses, faites comme ici et utiliser les deux ! À voir de ce côté pour l'utilisation de R et sa transformation en slide si besoin (quand je vous dis qu'on peut tout faire avec Jupyter...) : https://www.continuum.io/blog/developer/jupyter-and-conda-r
À noter aussi pour ceux que ça intéresse un projet intéressant, jupyterhub : https://github.com/jupyter/jupyterhub qui permet d'avoir un serveur jupyter multi-utilisateurs, chacun pouvant être relié à un user unix et à un répertoire de données. C'est ce qui me montre que jupyter commence à être assez mature pour être mis dans un système en production désormais (ce que l'on commence à faire chez des clients où on implémente des datalakes, avec de la donnée stockée et des notebooks jupyter dans différents langages pour interréagir avec, le tout parfois mixé à du docker)

Un très bon article permettant d'expliquer le phénomène du biais de confirmation et ses défauts. Cela explique comment la majorité des gens vont se faire une idée toute faite sur un phénomène et rarement voir les faits qui remettent en cause cette idée (je simplifie énormément).

Hé oui, en plus d'être un langage extrêmement polyvalent et très répandu dans le monde du Big-Data, python s'incruste de plus en plus dans le monde universitaire (en remplacement de Matlab notamment). Et ce n'est pas Nicolas Cellier qui me dira le contraire ! shaarli.nicolas-cellier.net pour ceux qui ne le savent pas encore (essentiellement du python scientifique). Bon le seul défaut, c'est que ça ne poste plus trop en ce moment...

Un article du JDN sur le concept de Data Lake écrit par mon chef, et relu et corrigé par moi-même ! Vraiment intéressant comme concept, en gros on regroupe toutes les données d'une entreprise dans une plateforme sans trop les structurer pour les avoir directement pour un usage futur (à la différence d'un datawarehouse où on les structure directement en vue d'un usage prévu).

Comment packager proprement un package python avec tout ce qu'il y a autour (test unitaires, documentation, PEP8, gestionnaire de version...) Un peu vieux, surtout au vu des outils utilisés (j'utilise plus pytest et pip que unittest et esay_install personnellement) mais complètement vrai sur la méthodologie. Un jour j'aurais mon package su pypi...

Un petit bilan de la campagne Degooglisons internet qui s'avère très positif ! C'est vrai que pour avoir déjà utilisé leurs outils (voire commencer à les mettre en place sur mon serveur), c'est très utile (sauf pour framacalc qui a eu quelques ratés, il faut bien l'avouer). Ça me donne bien envie de plus m'inverstir dans l'association. Peut-être via les framacolibris ? À voir
Via http://liens.effingo.be/

Un très grand listing d'outil pour réaliser du data engineering.