#data science


S'abonner
| | radar

Visualisez un an de tremblements de terre en 3D sur la planète

Régulièrement, la terre tremble. Plus ou moins fort, plus ou moins profondément au sein des entrailles terrestres. Pour les représenter graphiquement, la développeuse Raluca Nicola, qui travaille à Zurich pour le logiciel de cartographie ArcGIS, a eu une idée à la fois simple et diablement efficace: les représenter en 3D sur le globe terrestre, animation reproduite ci-dessus.

Pourquoi c’est intéressant. Cette représentation, qui recense un an de séismes entre juillet 2017 et juillet 2018, offre une dimension inattendue par rapport aux représentation cartographiques habituelles: la profondeur. De quoi prendre conscience, de façon très concrète, des zones d’activité tectoniques de la planète: dans les zones de subduction où une plaque glisse sous une autre — par exemple en Asie ou en Amérique du sud, au niveau des dorsales océaniques— océan Atlantique — ou encore des rifts continentaux— Moyen-Orient, par exemple.

link

Accéder à la datavisualisation de Raluca Nicola

| | radar

Pourquoi il faut relativiser les prédictions de la science des données

Image d'illsutration | Marcin Ignac/Creative Commons via Flicrk

Faut-il avaler sans sourciller toutes les prédictions de la science des données, ce nouvel oracle du numérique? Non, selon Andrea Jones-Rooy, professeure de data science à l’Université de New York, dans une tribune publiée par Quartz. Elle rappelle que les données ne sont qu’un énième outil façonné par l’homme, et qu’elles n’existent que parce qu’on a bien voulu les collecter, à l’exclusion de tout le reste. Autrement dit, les données, à elles seules, ne veulent rien dire, en dehors du cadre où il a été prévu de les exploiter.

Pourquoi c’est important. De plus en plus de voix s’élèvent contre les biais des algorithmes, qui résultent de choix parfois inconscients réalisés pendant leur développement. La chercheuse rappelle ainsi les quatre principales typologies d’erreurs pouvant être introduites dans les données: l’erreur aléatoire, l’erreur systématique, l’erreur dans le choix de ce qu’on mesure, et enfin l’erreur d’exclusion, qui provient de populations délibérément ignorées dans le choix des données.

link

Lire l'article sur le site de Quartz (EN)