Comment transformer les données en décisions ?
Découvrez comment le Data Storytelling transforme vos tableaux de bord en véritables leviers de décision, clairs, ciblés et actionnables.
Lakehouse vs Warehouse dans Fabric : comment choisir ?
Comprenez les différences entre Lakehouse et Warehouse dans Microsoft Fabric et choisissez la meilleure architecture pour vos usages Data & BI.
Data Mesh vs Data Fabric
Découvrez les différences entre Data Mesh et Data Fabric, deux approches clés de la gestion moderne des données, et apprenez à choisir la plus adaptée à votre organisation.
Optimiser les coûts du Lakehouse dans Microsoft Fabric
Dans Microsoft Fabric, le Lakehouse combine stockage et transactions. Découvrez comment éviter les coûts cachés en adoptant les bonnes pratiques d’optimisation.
Les concepts de base de l’Intelligence Artificielle
Episode 1 : La chronologie de l’IA
Les concepts de base de l’IA:
– Origines de l’Intelligence Artificielle et invention du Perceptron
– Premières critiques et l’« hiver de l’IA » suivi d’une renaissance dans les années 80-90
– Développement du Machine Learning et importance du Feature Engineering
– Explosion du Deep Learning, cas d’usage modernes et évolutions actuelles de l’IA
Les concepts de base de l’Intelligence Artificielle
Episode 2 : Machine Learning et Deep learning
Cet épisode explique les différences entre Machine Learning et Deep Learning, leurs usages et leur impact sur vos projets data :
– Distinction entre IA symbolique (basée sur des règles) et IA connexionniste (basée sur les données et l’apprentissage)
– Présentation des 3 niveaux d’IA : IA faible (déjà utilisée), IA forte (au stade de concept), et Super IA (hypothétique)
– Définition et différence entre Machine Learning (ML) et Deep Learning (DL)
– Exploration des sous-domaines du ML : apprentissage supervisé, non supervisé, et par renforcement avec des exemples concrets
Découvrir l’intégration de Nomenclature Dynamique dans Semarchy
Les Nomenclatures Dynamiques dans Semarchy :
– Définition d’une Nomenclature : classification de référence pour structurer et harmoniser les données
– Utilité des Nomenclatures : standardisation, réutilisation des valeurs, optimisation des analyses
– Intérêt d’une Nomenclature dynamique : plus de flexibilité, autonomie métier, moins de dépendance IT, idéale pour les référentiels produits
– Limites : complexité accrue pour l’intégration via API, nécessité d’API plus intelligentes et adaptables
La nouvelle offre Microsoft Fabric Databases
Décyptage de la nouvelle offre Microsoft Fabric Databases :
– Nouvelle brique de Fabric introduite lors de Microsoft Ignite 2024, combinant les approches OLTP et OLAP
– SQL Database vise à remplacer Power BI Datamart avec une gestion simplifiée, serverless et intégrée à OneLake
– Support du T-SQL, compatibilité avec Dataflows Gen2, sécurité renforcée (RLS, OLS, CLS, Dynamic Masking)
– Limité à 4 To pour le moment, mais offre prometteuse pour des usages hybrides et le futur write-back natif dans Power BI
Le Diagramme de Sankey dans Power BI
Découvrir le Diagramme de Sankey dans Microsoft Power BI :
– Qu´est-ce qu´un diagramme de Sankey ?
– Comment créer un diagramme de Sankey dans Microsoft Power BI ?
– Démo : Comment transformer vos données et créer le Diagramme de Sankey ?
Les Steppers dans Semarchy
Découvrez les Steppers dans Semarchy : créez des processus guidés pour structurer la création et la validation de vos données MDM.
– Qu’est-ce qu’un Stepper ?
– Configurer les Steps
– Les déclencheurs et les enrichissements dans les Steppers
– Les validations dans les Steppers
– Démo : les Steppers dans Semarchy