M7 : Méthodologie et outils de l'organistation

Description

• En fonction des projets déterminés autour de l’« Intégration de services dans un éco-système », connaître, appliquer et mettre en oeuvre les méthodologies et les outils adaptés
• Adopter un regard critique sur ces méthodologies et outils
• Connaître les principaux concepts mathématiques nécessaires à la Data Science et savoir les appliquer dans un cas d’utilisation du Machine Learning

Mots-clés : Intégration, DLM, cartographie, processus, Web Services, automatisation, …

Ma validation

Projet Kinaps

Ce projet a été construit autour de l’intégration du service Kinaps à une application Teams. Nous avons dû apprendre à utiliser des outils et méthodologies autour de l’authentification tels que le SSO, les JsonWebTokens, OAuth2, le portail Azure, etc. Bien que fonctionnels, certains de ces outils, particulièrement le SSO Microsoft ou le portail Azure, sont très complexes à utiliser et à configurer. Microsoft a suivi l’approche de TOUT documenter, mais ceci a eu l’effet inverse à celui désiré car il y a tellement de documentation de tellement de sources différentes pour une même fonctionnalité souhaitée qu’on est très vite perdus dans des pages et des pages de texte, code et exemples contradictoires.

Les détails du projet sont disponibles ici

Projet Hackathon

Dans le projet Hackathon nous avons intégré l’utilisation des DWN de TBD pour garantir le fonctionnement de notre application. Ceci nous a valu plusieurs problèmes liés aux mises à jour forcées par TBD qui ont cassé le fonctionnement de notre application et de leur communication via les DWN. Ceci nous a permis de nous rendre compte des impacts liés à la dépendance de services externes, surtout lorsque ces services sont en développement et changent constamment.

Les détails du projet sont disponibles ici

AR Machine Learning Algorithms

Dans mon AR sur le Machine Learning j’ai pu explorer les principaux algorithmes utilisés ainsi que les concepts logiques fondamentaux derrière ces algorithmes. J’ai par exemple développé le fonctionnement d’un algorithme de régression linéaire simple, un algorithme d’Ant-Colony Optimization et un autre de reinforcement learning qui utilisait un algorithme de Proximal Policy Optimization.

A consulter ici

SF : Mathématiques

J’ai suivi un cours en ligne sur les Probabilité et Statistiques pour la Data Science et Business et plus précisément sur la distribution des probabilités. J’y ai découvert des concepts comme les distribution discrètes et continues, les distributions normales, les distributions binomiales, etc. J’ai également découvert le concept de z-score qui permet de comparer des données entre elles en statistiques. Tous ces apprentissages m’ont ouvert les yeux sur ce quels types de mathématiques sont utilisés en Data Science et comment les utiliser. Ainsi je saurai quels domaines mathématiques approfondir si mon futur professionnel le requiert.

Les rapports sont à consulter ici