Annals of Youtube Science 1(11) : Sur la science des données

Numéro un peu spécial des Annals, car ce n’est pas une (ou plusieurs) conférences que je recommande ici, mais une série d’interviews, les « DataChats » de la plateforme de formation DataCamp (chaîne Youtube), qui propose des cours de Python et de R en ligne. Les entretiens sont réalisés avec certains des enseignants qui font le catalogue de cours de DataCamp, et qui est probablement l’un des meilleurs catalogues de cours en ligne pour se former en « science des données »1.

Voici le sixième épisode de la série, avec la statisticienne Jo Hardin, qui présente son cours sur le bootstrapping :

Je vous conseille vraiment toute la série d’entretiens (15-20 minutes chacun), dont voici les cinq premiers :

  1. Max Kuhn, le créateur du package R caret

  2. Garrett Grolemund, l’un des data scientists de RStudio, et le co-auteur, avec Hadley Wickham, de R for Data Science

  3. Charlotte Wickham, qui a un superbe CV d’enseignante en statistiques

  4. David Robinson, data scientist chez Stack Overflow, le site de programmation où quelqu’un a (presque) toujours une réponse à votre question (si elle est bien posée), et l’auteur d’un de mes packages R favoris, broom (brève présentation)

  5. Ron Pearson, qui donne un cours de visualisation de données avec R, et qui a tout un tas de concepts intéressants à partager (in-liers, disguised missing data), en plus d’une réflexion très intéressante sur le machine learning.

  1. Je n’ai évidemment aucune action chez DataCamp, mais j’aime beaucoup leur catalogue (sans rien avoir acheté chez eux), et j’apprécie d’autant plus qu’ils ont mis en ligne une version « light » de leur plateforme d’enseignement. []

Women Also Know Stuff, édition personnelle 2017/03

La suite de ce billet. Éditions précédentes : 2017/01, 2017/02. Cette édition contient beaucoup, beaucoup d’analyse de données.

  1. Ann Swidler, dont il est temps, comme l’a fait remarquer Kieran Healy, de relire le classique « Culture in Action: Symbols and Strategies » :

    swidler-culture-in-action

  2. J’ai déjà cité, dans l’édition 2017/01, Jennifer Bryan, pour ses slides sur la manipulation de données, et avant ça, j’avais cité, dans l’édition 2016, Julia Silge, pour l’ouvrage Tidy Text Mining qu’elle co-écrit avec David Robinson.

    En janvier, j’ai suivi de loin la première RStudio Conference via Twitter, et la forte présence féminine lors de la conférence m’a semblé faire partie de ses points forts. Jenny Bryan et Julia Silge en étaient, et l’on peut aussi mentionner Hilary Parker (lisez ses slides), Hilary Mason (qui a le meilleur t-shirt du monde), Amelia McNamara et Charlotte Wickham, qui a présenté une excellente démo de programmation fonctionnelle avec le package purrr.

    La forte présence féminine à la conférence ne doit pas grand chose au hasard : il y a une task force qui travaille sur le sujet, et des initiatives dans la communauté R.

  3. Meredith Monk, « Dawn », sur l’album Book of Days (1990) :

  4. Aperçue dans une autre conférence que celle citée plus haut, Haley Jeppson, qui a repris le flambeau du package productplots avec ggmosaic :

  5. Je reviendrai sur cette série d’entretiens, mais voici le sixième épisode de la série « DataChats », avec la statisticienne Jo Hardin, qui présente son cours sur le bootstrapping :

    … série dans laquelle on retrouve, à nouveau, Charlotte Wickham, qui y présente un cours de manipulation de données spatiales.

  6. Björk, « Unravel » (1997) ; la version jouée avec le Brodsky Quartet est ma favorite, mais le clip de l’originale est plus esthétique :

  7. Alice Bartlett, « Git for Humans » :

    git-for-designers

    Et sur le même thème, voir, à nouveau, Jenny Bryan et al., Happy Git and GitHub for the useR.

  8. Bonnie Stabile, pour son papier « Reproductive Policy and the Social Construction of Motherhood » :

    Findings. Women’s choices fell within social construction quadrants as being positively portrayed and powerful; negatively portrayed but powerful; positively portrayed but powerless; and negatively portrayed and powerless. Married heterosexual women embracing motherhood were likely to be viewed positively and to reap benefits. Women forgoing motherhood, poor women, and women seeking to form nontraditional families were likely to be viewed negatively and to bear burdens; critical among these burdens was restriction of access to technologies that could be used to support a decision to avoid motherhood or to achieve motherhood through nontraditional methods.

  9. Melt-Banana (Yasuko Onuki au chant, Ichirou Agata au reste), « Last Target On The Last Day », dernier morceau de l’album Bambi’s Dilemma (2007), ci-dessous en version live à Tokyo (2009) :

  10. Julia Lynch a formulé un point de vue que je rumine depuis longtemps :

    Medicalizing inequality is more appealing to most politicians than tackling income and wage inequality head-on, but it results in framing the problem of social inequality in a way that makes it technically quite difficult to solve. Policy-makers should consider adopting more traditional programs of taxation, redistribution and labor market regulation in order to reduce both health inequalities and the underlying social inequalities.

Mention spéciale : Mica Levi, pour l’intégralité de la bande originale du film Under the Skin. La bande-son, dont un extrait suit, est plus intéressante que le film lui-même, et devrait vous plaire si vous avez aimé la bande-son de Donnie Darko, par exemple.

Women Also Know Stuff, édition personnelle 2017/01

La suite de ce billet. Je présenterai une première version des « règles de publication » de cette série de billets lors de la prochaine édition, prévue pour fin février.

  1. Sara Kendzior : « An Unaired Interview on Trump, Authoritarianism and Kleptocracy » :

    Trump is openly building a kleptocracy backed by billionaires and white supremacists, and several Trump fans, including a few in Missouri, have written to me in alarm, saying this is not what they signed on for. A lot of folks just wanted good jobs to come back, and to stop feeling let down by the government and other officials. It’s pretty clear looking at Trump’s policies that this is not what is going to happen.

    Et ce n’est que le début.

  2. Mariel Roberts : le morceau « Formations » de son album Nonextraneous Sounds (2012) n’est malheureusement pas disponible en vidéo ; en voici néanmoins un bref extrait, et il est écoutable sur Spotify.

    Ci-dessous, un lot de consolation, tiré de l’invraisemblable album No One to Know One (2011) du percussionniste Andy Akiho :

  3. Jane Mayer, dont l’ouvrage Dark Money: The Hidden History of the Billionaires Behind the Rise of the Radical Right documente un aspect essentiel de la vie politique américaine actuelle.

    Voir aussi son article « Covert Operations » pour le New Yorker en 2010, et cet article pour les représailles qui ont accompagné sa parution.

  4. Julia Belluz : « We visited one of America’s sickest counties. We’re afraid it’s about to get worse« . Sur un endroit paumé en Louisiane.

  5. Mimi Onuoha, « On Missing Data Sets » :

    « Missing data sets » are my term for the blank spots that exist in spaces that are otherwise data-saturated. My interest in them stems from the observation that within many spaces where large amounts of data are collected, there are often empty spaces where no data live. Unsurprisingly, this lack of data typically correlates with issues affecting those who are most vulnerable in that context.

  6. Jennifer (Jenny) Bryan, « Data Rectangling » (via).

  7. Andrea Parker, « After Dark » (1995) :

  8. Lorena A. Barba, « Barba-Group Reproducibility Syllabus » (via). Sur le même sujet, voir aussi les publications de Victoria Stodden.

  9. Mary Beard, SPQR: A History of Ancient Rome (on peut en lire beaucoup de bien un peu partout, et les quelques passages que j’ai lus étaient tous excellents).

  10. Alice Coltrane et Pharoah Sanders, « Journey In Satchidananda » (1971) :

Mention spéciale : Cathy O’Neil, dont je n’ai toujours pas lu le bouquin, Weapons of Math Destruction, mais dont tout le monde dit grand bien—voir, par exemple, la recension d’Arthur Charpentier.

Bonnes résolutions 2017, édition « science des données »

En toute probabilité, cette année, vous n’allez ni arrêter de fumer, ni commencer à manger et à dormir de manière équilibrée, ni vous astreindre à un planning hebdomadaire de passages à la piscine. Enfin, cette année, vous n’allez certainement pas réguler votre dose quotidienne de café1.

En revanche, cette année, vous pouvez prendre dix bonnes résolutions pas très compliquées, sur recommandation des nerds derrière le comptoir. Ces résolutions tournent autour de la « science des données », la fameuse data science, dont on ne sait pas encore exactement ce que c’est—mais ce n’est pas grave.

  1. Boycottez Elsevier

    Il faut continuer à signer la pétition The Cost of Knowledge, et encourager les réseaux de bibliothèques universitaires qui ont pris des initiatives de désabonnements massifs de certains « bouquets » de revues aux prix prohibitifs.

    Ce n’est pas compliqué, et c’est nécessaire si l’on veut mettre le minimum de pression nécessaire sur l’édition scientifique. Malheureusement pour la science politique, il y a d’excellentes revues chez Elsevier : Electoral Studies et Sociologie du travail2. Pour l’analyse de réseaux, c’est pire, la revue centrale est chez Elsevier.

    Mise à jour : un gentil commentateur m’apprend que Sociologie du travail s’apprête à quitter Elsevier pour rejoindre Revues.org. Double excellent choix ! L’éditorial de Didier Demazière sur le sujet est très intéressant à lire en entier.

  2. Désactivez Flash

    L’année 2016 n’a pas manqué de hacks (ou de révélations d’anciens hacks) spectaculaires, et si vous avez un compte LinkedIn ou Yahoo!, vous êtes concernés. Pour faire le point, voir l’excellent service Have I Been Pwned?

    Pour réduire les risques, cette année, vous pouvez notamment abandonner Flash, en le désactivant dans les préférences de votre navigateur Internet. C’est totalement indolore : l’industrie a abandonné ce format, et les sites Internet que vous consultez ont déjà fait leur transition vers autre chose.

  3. Apprenez R

    C’est le bon moment pour apprendre R. Comme tous les langages, il est périssable, mais en ce moment, il est à son apogée : les outils de base de la science des données (import/export, manipulation, visualisation) sont robustes, et les innovations quasi-quotidiennes3.

    L’offre de formation à R est aussi à son apogée : on trouve presque tout sur Internet, sur Stack Overflow notamment, et les formations hors-ligne s’organisent aussi—j’en dirai plus cette année, ici ou ailleurs. Surtout, c’est dans ce langage que se mènent, en ce moment, certaines des discussions les plus intéressantes sur comment analyser quelles données (Julia et Python comptent aussi, bien sûr).

    Si vous êtes data-journaliste ou aspirant à l’être, et/ou si vous vous levez le matin pour analyser des données, apprenez R, et le reste suivra.

  4. Utilisez Youtube

    En 2016, j’ai enfin réussi à faire comprendre à Youtube que je n’étais pas intéressé par les vidéos d’Alain Soral et Jean-Luc Mélenchon, ce qui m’a permis d’utiliser Youtube pour remplacer l’écoute de France Info à mes heures perdues.

    Pour cela, j’ai dû m’abonner à tout un tas de « canaux » Youtube, histoire de les faire peser dans l’algorithme de recommandation. Voici quelques exemples de canaux recommandables :

    Médias
    Arte, Arte+7, Arte – Tracks, Mediapart ; Mediapart, en particulier, publie de longs et excellents débats quasi-nocturnes : je recommande en particulier ceux de la série « Moyen-Orient Express« 
    Universitaire
    British Academy, Center for European Studies, Paris School of Economics, London School of Economics (and Political Science), Lee Kuan Yew School of Public Policy
    Autres
    Oxford Union Society, Alan Macfarlane, Bycome, Reactions, On The Top of Damavand for ever, DEFCONConference
  5. Apprenez HTML

    Bilan d’une conversation avec un ami : dans la vie, ce sont les langages qui vous amènent quelque part. Dans mon cas, ce fut l’anglais, le web design valide et accessible, et la programmation statistique, avec Stata puis avec R.

    J’ai appris HTML5 et CSS2/3 il y a quinze ans, à une autre époque, celle de Jeffrey Zeldman, Mark Pilgrim et Eric Meyer. À l’époque, il fallait y rajouter un peu de Javascript et PHP/MySQL ; aujourd’hui, il faut rajouter beaucoup de Javascript, librairies et frameworks inclus (Angular, Node, jQuery). Je conseille d’apprendre les bases avant tout.

  6. Défendez RSS

    La fermeture de Google Reader, qui fut, je pense, l’une des plus grosses erreurs jamais commises par Google/Alphabet, a condamné l’utilisation de masse des flux RSS ; mais les blogueurs, journalistes et autres geeks connaissent RSS, et veulent continuer à l’utiliser.

    Le standard est menacé de disparaître : il n’y a pas de flux RSS (ou Atom) sur Twitter (solution alternative), par exemple, et la nouvelle plateforme d’édition scientifique de Cambridge University Press, Cambridge Core, n’a plus de flux RSS pour ses revues4 Il faut protester quand l’occasion se présente.

  7. Envisagez Linux

    Voici la seule recommandation de cette liste que je n’ai pas encore prise.

    Il y a trois ans, si j’avais fait la liste des choses qui me manqueraient si je passais de Mac OS X à Linux, la liste était longue ; aujourd’hui, elle est de plus en plus courte. À l’inverse, la liste des choses agaçantes et/ou inutiles sur Mac OS X – maintenant macOS, mais vu que je n’ai pas l’utilité des nouvelles fonctionnalités du système, je suis encore sous Mac OS X 10.9 – s’est allongée.

    Il reste trop de choses génialement conçues sur Mac OS X pour que j’envisage un « switch » immédiat, mais j’hésite désormais autant à installer Xubuntu qu’à installer macOS. La dernière itération du MacBook, qui est un gros jouet plutôt qu’un ordinateur, me conforte dans cette tendance.

  8. Hebdomarisez Facebook

    Ce n’est évidemment pas l’usage que Facebook souhaite que ses utilisateurs aient du service, mais de mon point de vue, Facebook devrait une sorte d’hebdomadaire. En 2016, Facebook a d’ailleurs inauguré son équivalent des marronniers sur l’islam ou les Francs-Maçons, avec le phénomène des « fake news.

    Les outils pour transformer Facebook en « revue hebdomadaire » restent à inventer – consulter Facebook une fois par semaine ne suffira pas5 –, mais c’est l’une des choses que j’aimerais voir se développer cette année, après dix ans d’utilisation et quelques pauses de désintoxication.

  9. Documentez une API

    Cette résolution est peut-être la plus importante de ma liste. Elle est sous-rédigée, mais j’essaierai d’y revenir plus tard cette année.

    Il y a de plus en plus de sources de données, mais le nombre d’individus qui les documentent est à peu près stable. C’est un problème, car pour que la « science des données » décolle et produise un vrai saut qualitatif, il faudra de la main d’oeuvre, et elle doit être aussi diverse que possible6.

    À l’heure actuelle, les données disponibles sous la forme d’APIs sont documentées par les développeurs de ces APIs, ou par quelques-uns de leurs utilisateurs7. Cela ne suffira pas : comme sur Wikipedia, il faut différentes categories de contributeurs pour créer un écosystème. Ma conviction est que l’écosystème actuel des APIs est trop homogène, trop uniforme : il faut des journalistes, des chercheurs, des informaticiens, mais aussi des étudiants, des cartographes, des bureaucrates, bref un peu de tout, et ce mix est rarement présent aujourd’hui.

    Conclusion : si vous avez un intérêt dans la data science, qui sera probablement mon thème pour 2017 sur ce blog et ailleurs, participez à documenter une API.

  10. Bloguez sur Hypothèses

    On est bien sur Hypothèses, et le ‘Bistro a déjà un billet de prêt (ou en préparation) jusqu’à début mars, au rythme d’un billet tous les trois ou quatre jours. Le planning pourra évidemment changer si nécessaire, mais un rythme de deux billets par semaine me semble être un bon rythme de croisière.

    Venez sur Hypothèses, et meilleurs voeux à toute l’équipe !

  1. Ce ne sont que des exemples, hein. Ne dîtes rien à mes parents, s’il vous plaît. Par ailleurs, êtes-vous déjà allé en Norvège ? C’est fantastique, les gens boivent du café à toute heure du jour et de la nuit. Autre question : êtes-vous déjà rentré dans une boutique Nespresso ? C’est terrifiant, les employés se présentent comme des « collaborateurs ». []
  2. De mon point de vue, la meilleure revue francophone de sociologie des organisations. Moment nostalgie ce Noël, quand j’ai retrouvé L’acteur et le système et Le pouvoir et la règle dans mes étagères. []
  3. À suivre cette année, les progrès en manipulation de données spatiales. Les cartographes utilisant R sont très bien organisés, et les derniers exemples de réalisations dans le domaine sont très prometteurs. []
  4. J’ai déjà râlé à ce sujet auprès des développeurs, et espère que Cambridge Core introduira des flux RSS pour ses revues cette année, même si je n’en ai actuellement aucune garantie. []
  5. Idée : une extension pour navigateur Internet qui ouvrirait des combinaisons d’onglets différents selon le jour de la semaine. []
  6. Au niveau professionnel, mais aussi au niveau sociologique, évidemment. []
  7. Voici un exemple : quelques APIs suédoises, listées par un data-journaliste de SVT.se. []

Ce soir au Tank à Paris : R et la data science au service de l’action publique

r-action-publique-2016-11-15-1

Joël et Samuel, avec qui nous enseignons le cours « Open Data in Urban Research » et qui sont en train de lancer leur entreprise, Datactivist, m’ont gentiment invité à intervenir ce soir dans cette conférence qu’ils co-organisent avec Open Data France :

conf-tank

La description complète de la conférence, qui fait partie du programme de la Semaine de l’innovation publique, suit, avec quelques liens et retours chariot supplémentaires :

La data science promet une transformation en profondeur de l’action publique. Comment fait-on parler les données publiques ? La data science doit-elle rester une affaire de spécialistes ?

Depuis la nomination d’Henri Verdier en tant qu’administrateur générale des données, de nouvelles organisations publiques annoncent régulièrement la nomination d’un Chief Data Officer en charge de l’application des méthodes de la data science aux données, en particulier ouvertes, de l’administration.

Mais concrètement comment fait-on parler les données publiques ? Avec quels outils ? La data science doit-elle rester une affaire de spécialistes ?

À l’occasion de la publication d’une formation d’introduction au logiciel R, véritable « couteau suisse » de la data science, la coopérative datactivi.st et l’association Open Data France proposent de discuter concrètement des outils et des méthodes qui permettent de « faire parler les données », autour d’une table ronde avec notamment :

Diane Beldame, data scientist, formatrice à R chez ThinkR

François Briatte, vétéran de la ligne ferroviaire TGV surtarifée Paris-Lille à des horaires tardifs ou matinaux

Jean-François Eudeline, administrateur de l’Insee, chef du service des études et de la diffusion à l’Insee Normandie

Christophe Libert, Responsable du service innovation numérique de la région Ile de France

Voici ma très brève présentation, qui évoque notamment les réseaux de collaboration parlementaire dont j’ai souvent parlé sur ce blog depuis quelques années. Quelques slides tirées de la présentation ci-dessous :

r-action-publique-2016-11-15-2

r-action-publique-2016-11-15-3

r-action-publique-2016-11-15-4

Ça se passe au Tank, la salle de Spintank, à 19h. Pensez à réserver sur Meetup !

r-action-publique-meetup

Mise à jour : tout était filmé ! Si j’avais su, je serais passé chez le coiffeur. Vidéo ci-dessous, avec plein de choses intéressantes de la part des intervenants et de Joël.

J’ai manqué de précision sur plusieurs des choses que je mentionne dans ma présentation, mais les liens que je fournis dans les slides devrait suffire à reconstituer l’essentiel.