IFTTD - If This Then Dev #314.exe - Au delà de la prédiction: Pousser les Limites de l'IA par Adnan Aita
Nov 21, 2025
Adnan Aita, expert en data science et statistiques, explore des concepts fascinants comme la corrélation et la causalité. Il démystifie les différences entre ingénieurs et scientifiques des données, tout en soulignant l'essor de Python grâce à ses bibliothèques. Adnan discute des défis d'explicabilité des algorithmes d'intelligence artificielle et fournit des exemples percutants sur l'or et le marché immobilier. Enfin, il aborde le concept de survie lié au churn et à la LTV, crucial pour la santé des startups.
AI Snips
Chapters
Transcript
Episode notes
Python A Ouvert La Statistique
- La démocratisation de Python et des bibliothèques open source a rendu accessibles des algorithmes statistiques avancés.
- Cela a transformé la pratique statistique, passant d'outils propriétaires à des workflows partageables et reproductibles.
Modèles Artisanaux Avant Python
- Avant Python, beaucoup de modèles statistiques étaient développés sur mesure en MATLAB ou en solutions propriétaires.
- Ces approches étaient efficaces mais artisanales et peu partageables entre équipes.
Corrélation Versus Causalité
- La distinction corrélation/causalité reste centrale et explique pourquoi certains résultats statistiques ne prouvent rien.
- Les réseaux de neurones posent un défi d'explicabilité similaire à celui des statistiques sans expérience contrôlée.