{"id":183822,"date":"2022-12-07T13:58:23","date_gmt":"2022-12-07T13:58:23","guid":{"rendered":"https:\/\/datascientest.com\/?p=183822"},"modified":"2023-11-09T13:55:25","modified_gmt":"2023-11-09T13:55:25","slug":"definition-data-drift","status":"publish","type":"post","link":"https:\/\/datascientest.com\/definition-data-drift","title":{"rendered":"Data Drift : qu&rsquo;est-ce que c&rsquo;est et comment r\u00e9soudre le probl\u00e8me ?"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"183822\" class=\"elementor elementor-183822\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-3a0c575 e-flex e-con-boxed e-con\" data-id=\"3a0c575\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-cdfadeb elementor-widget elementor-widget-heading\" data-id=\"cdfadeb\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">Le Data Drift ou d\u00e9rive de donn\u00e9e survient quand les donn\u00e9es sur lequel s\u2019ex\u00e9cute le mod\u00e8le diff\u00e8rent de fa\u00e7on trop importantes des donn\u00e9es d'entra\u00eenement. Ce probl\u00e8me doit \u00eatre d\u00e9tect\u00e9 et anticip\u00e9, car il d\u00e9grade les performances de pr\u00e9diction au fur et \u00e0 mesure du temps. D\u00e9couvrez tout ce que vous devez savoir sur le data drift : d\u00e9finition, dangers, solutions...<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-adf8a3b elementor-widget elementor-widget-text-editor\" data-id=\"adf8a3b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p>Le <a href=\"https:\/\/datascientest.com\/machine-learning-tout-savoir\">Machine Learning<\/a> consiste \u00e0 utiliser les donn\u00e9es disponibles pour entra\u00eener un mod\u00e8le, afin de lui apprendre \u00e0 reconna\u00eetre, pr\u00e9dire ou reproduire ces donn\u00e9es. Toutefois, les choses peuvent se compliquer lors du d\u00e9ploiement du mod\u00e8le durant le processus de mise en production.<\/p><p>Prenons le cas le plus courant de l\u2019<a href=\"https:\/\/datascientest.com\/apprentissage-supervise\">apprentissage supervis\u00e9<\/a> : les donn\u00e9es d&rsquo;entra\u00eenement sont labellis\u00e9es et c\u2019est ce qui aide notre mod\u00e8le \u00e0 quantifier ses erreurs lors de l\u2019entra\u00eenement sur des donn\u00e9es pass\u00e9es.. Or, une fois que le mod\u00e8le est d\u00e9ploy\u00e9, les donn\u00e9es \u00e0 pr\u00e9dire sont des donn\u00e9es actuelles et donc ne poss\u00e8dent pas de label ou \u00e9tiquette.<\/p><p>Peu importe le niveau de pr\u00e9cision du mod\u00e8le, les pr\u00e9dictions ne peuvent s&rsquo;av\u00e9rer pertinentes que si les donn\u00e9es soumises au mod\u00e8le en production sont similaires ou statistiquement \u00e9quivalentes aux donn\u00e9es utilis\u00e9es pour l&rsquo;entra\u00eenement. Dans le cas contraire, on apercevra le ph\u00e9nom\u00e8ne du le \u00ab data drift \u00bb : la d\u00e9rive de donn\u00e9es.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-fedafac e-flex e-con-boxed e-con\" data-id=\"fedafac\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-f9ac952 elementor-widget elementor-widget-heading\" data-id=\"f9ac952\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Quelles sont les causes du Data Drift ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0e5d0fc elementor-widget elementor-widget-text-editor\" data-id=\"0e5d0fc\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Le Data Drift est une <strong>variation des donn\u00e9es<\/strong> du monde r\u00e9el par rapport aux donn\u00e9es utilis\u00e9es pour tester et valider le mod\u00e8le avant de le d\u00e9ployer en production.<\/p><p>De nombreux facteurs peuvent causer la d\u00e9rive des donn\u00e9es. L&rsquo;une des causes principales est la <strong>dimension temporelle<\/strong>, car une longue p\u00e9riode peut s&rsquo;\u00e9couler entre le moment o\u00f9 les donn\u00e9es d&rsquo;entra\u00eenement sont collect\u00e9es et le moment o\u00f9 le mod\u00e8le entra\u00een\u00e9 sur ces donn\u00e9es est utilis\u00e9 pour la pr\u00e9diction \u00e0 partir des donn\u00e9es r\u00e9elles.<\/p><p>Une autre cause fr\u00e9quente de Data Drift est la <strong>saisonnalit\u00e9<\/strong>. Certaines donn\u00e9es collect\u00e9es pendant l&rsquo;\u00e9t\u00e9 peuvent fortement diff\u00e9rer pendant l&rsquo;hiver, si la temp\u00e9rature ou la longueur des journ\u00e9es les impactent par exemple.<\/p><p>De m\u00eame, <strong>les donn\u00e9es collect\u00e9es avant un \u00e9v\u00e9nement ne seront plus forc\u00e9ment valables apr\u00e8s<\/strong>. Par exemple, beaucoup de donn\u00e9es collect\u00e9es avant l&rsquo;\u00e9mergence du Covid sont d\u00e9sormais obsol\u00e8tes. Si un mod\u00e8le de Machine Learning est entra\u00een\u00e9 sur ces donn\u00e9es et test\u00e9 sur des donn\u00e9es actuelles, un probl\u00e8me de Data Drift surviendra tr\u00e8s probablement une fois d\u00e9ploy\u00e9.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7ddbbaf elementor-widget elementor-widget-image\" data-id=\"7ddbbaf\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"641\" height=\"509\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/image3.png\" class=\"attachment-full size-full wp-image-183825\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/image3.png 641w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/image3-300x238.png 300w\" sizes=\"(max-width: 641px) 100vw, 641px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Exemple : Une cause possible du data drift: la saisonnalit\u00e9<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b7d6b2d elementor-widget elementor-widget-text-editor\" data-id=\"b7d6b2d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Autre exemple : un mod\u00e8le de <a href=\"https:\/\/datascientest.com\/computer-vision\">Computer Vision<\/a> entra\u00een\u00e9 sur un dataset li\u00e9 aux routes d&rsquo;Europe ne sera pas adapt\u00e9 aux routes des \u00c9tats-Unis. Le choix des donn\u00e9es d&rsquo;entra\u00eenement est donc extr\u00eamement important.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-c59e267 e-flex e-con-boxed e-con\" data-id=\"c59e267\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-64e857b elementor-widget elementor-widget-heading\" data-id=\"64e857b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Quels sont les risques du Data Drift ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2f60766 elementor-widget elementor-widget-text-editor\" data-id=\"2f60766\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><strong>Si un Data Drift n&rsquo;est pas identifi\u00e9 \u00e0 temps, les pr\u00e9dictions du mod\u00e8le seront erron\u00e9es<\/strong>. Les d\u00e9cisions prises \u00e0 partir de ces pr\u00e9dictions auront donc un impact n\u00e9gatif.<\/p><p>Par exemple, si vos go\u00fbts ont chang\u00e9 et que Netflix n&rsquo;a pas acc\u00e8s \u00e0 vos donn\u00e9es les plus r\u00e9centes, son mod\u00e8le risque de vous sugg\u00e9rer des films qui ne vous plairont pas ou en tous cas plus.<\/p><p>Cet exemple n&rsquo;est pas tr\u00e8s inqui\u00e9tant, mais <strong>les cons\u00e9quences peuvent \u00eatre bien plus graves<\/strong>. Par exemple, un trader mal aiguill\u00e9 \u00e0 cause d&rsquo;un Data Drift peut investir des sommes colossales dans une action sans valeur actuelle.<\/p><p>Selon la nature, l&rsquo;ampleur et le type de Data Drift, les efforts \u00e0 fournir varient. Il est parfois possible de r\u00e9soudre le probl\u00e8me en entra\u00eenant \u00e0 nouveau le mod\u00e8le sur de nouvelles donn\u00e9es. Toutefois, il peut aussi \u00eatre n\u00e9cessaire de tout recommencer depuis le d\u00e9but.<\/p><p>Outre les donn\u00e9es, le mod\u00e8le lui-m\u00eame peut aussi d\u00e9river. C&rsquo;est par exemple le cas d&rsquo;un mod\u00e8le qui aurait \u00e9t\u00e9 utilis\u00e9 avant le Covid pour pr\u00e9dire quels \u00e9tudiants opteront pour des cours en ligne. En cas d&rsquo;utilisation pendant la crise du Covid, ce mod\u00e8le serait totalement inutile. C&rsquo;est le \u00ab<strong> Concept Drift<\/strong> \u00bb. Ce probl\u00e8me peut \u00eatre r\u00e9solu gr\u00e2ce \u00e0 l&rsquo;apprentissage en ligne, en entra\u00eenant \u00e0 nouveau le mod\u00e8le sur chaque observation.<\/p><p>Il est important de construire un processus r\u00e9utilisable pour identifier le Data Drift. On peut aussi <strong>d\u00e9finir des seuils pour le pourcentage de d\u00e9rive \u00e0 ne pas d\u00e9passer<\/strong>, ou configurer un syst\u00e8me d&rsquo;alerte pour prendre les mesures n\u00e9cessaires avant qu&rsquo;il ne soit trop tard.<\/p><p>Le Data Drift peut \u00eatre d\u00e9tect\u00e9 \u00e0 partir de l\u2019\u00e9volution des donn\u00e9es elles-m\u00eames, ou lorsque les pr\u00e9dictions du mod\u00e8le sont incorrectes.<\/p><p>Toutefois, les pr\u00e9dictions incorrectes ne peuvent \u00eatre identifi\u00e9es que si une m\u00e9thode manuelle permettant de trouver la bonne \u00e9tiquette est disponible.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-344dfce e-flex e-con-boxed e-con\" data-id=\"344dfce\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-ff386aa elementor-widget elementor-widget-heading\" data-id=\"ff386aa\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Comment d\u00e9tecter les Data Drifts ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9f84414 elementor-widget elementor-widget-text-editor\" data-id=\"9f84414\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Lors du d\u00e9ploiement d&rsquo;un <strong>mod\u00e8le de Machine Learning<\/strong>, il est important de surveiller r\u00e9guli\u00e8rement ses performances. Prenons l&rsquo;exemple d&rsquo;un <strong>mod\u00e8le de Computer Vision<\/strong> construit \u00e0 partir d&rsquo;un dataset de 100 races de chiens diff\u00e9rentes.<\/p><p>Pour v\u00e9rifier si ses performances diminuent \u00e0 cause d&rsquo;un Data Drift, il est n\u00e9cessaire de passer en revue toutes les nouvelles images et pr\u00e9dictions ing\u00e9r\u00e9es par le <strong>syst\u00e8me de boucle de feedback<\/strong>. Les pr\u00e9dictions doivent ensuite \u00eatre examin\u00e9es, \u00e9dit\u00e9es ou valid\u00e9es.<\/p><p>En comparant les pr\u00e9dictions initiales et les pr\u00e9dictions \u00e9dit\u00e9es, il est possible de v\u00e9rifier si les performances sont sup\u00e9rieures \u00e0 la moyenne ou non. Toutefois, pour <strong>valider toutes les pr\u00e9dictions en temps r\u00e9el<\/strong>, il est n\u00e9cessaire de confier l&rsquo;acc\u00e8s aux donn\u00e9es \u00e0 de nombreuses personnes. Une large main-d&rsquo;\u0153uvre est donc n\u00e9cessaire pour cette op\u00e9ration.<\/p><p>Les Data Drifts peuvent \u00eatre identifi\u00e9s en utilisant des <strong>m\u00e9thodes d&rsquo;analyse s\u00e9quentielles<\/strong>, des m\u00e9thodes bas\u00e9es sur mod\u00e8le, ou des m\u00e9thodes bas\u00e9es sur la distribution temporelle.<\/p><p>Les m\u00e9thodes d&rsquo;analyse s\u00e9quentielle comme la <strong>DDM (Drift Detection Method)<\/strong> ou la <strong>EDDM (Early DDM)<\/strong> permettent de d\u00e9tecter la d\u00e9rive en se basant sur un taux d&rsquo;erreur fixe.<\/p><p>Une m\u00e9thode bas\u00e9e sur mod\u00e8le quant \u00e0 elle, utilise un <strong>mod\u00e8le de Machine Learning customis\u00e9<\/strong> pour identifier la d\u00e9rive, en d\u00e9terminant la similarit\u00e9 entre un point ou un groupe de points et une ligne de base de r\u00e9f\u00e9rence.<\/p><p>Il est n\u00e9cessaire de labelliser en tant que <strong>\u00ab 0 \u00bb<\/strong> les donn\u00e9es ayant \u00e9t\u00e9 utilis\u00e9es pour construire le mod\u00e8le actuel en production, et de labelliser en tant que <strong>\u00ab 1 \u00bb<\/strong> les donn\u00e9es en temps r\u00e9el.<\/p><p>On construit ensuite un mod\u00e8le pour \u00e9valuer les r\u00e9sultats. Si le mod\u00e8le offre une haute exactitude, cela signifie qu\u2019il est capable de discriminer facilement entre les deux jeux de donn\u00e9es. On peut en conclure qu\u2019une d\u00e9rive est survenue, et qu\u2019il est n\u00e9cessaire de <strong>recalibrer le mod\u00e8le<\/strong>.<\/p><p>En revanche, si la pr\u00e9cision du mod\u00e8le est d\u2019environ 0,5, ceci indique qu\u2019il n\u2019y a pas eu de <strong>d\u00e9rive notable entre les deux jeux de donn\u00e9es<\/strong>. On peut donc continuer \u00e0 utiliser le mod\u00e8le.<\/p><p>Cette m\u00e9thode est efficace, mais requiert d\u2019entra\u00eener et de tester le mod\u00e8le chaque fois que de nouvelles donn\u00e9es sont disponibles, ce qui peut s\u2019av\u00e9rer tr\u00e8s co\u00fbteux.<\/p><p>Enfin, une m\u00e9thode bas\u00e9e sur la distribution de fen\u00eatre temporelle prend en compte l\u2019horodatage et l&rsquo;occurrence des \u00e9v\u00e9nements. La technique <strong>ADWIN (Adaptive Windowing)<\/strong> consiste par exemple \u00e0 commencer \u00e0 faire cro\u00eetre dynamiquement la <strong>fen\u00eatre W<\/strong> tant qu\u2019il n\u2019y a pas de changement apparent dans le contexte, et \u00e0 la r\u00e9duire quand un changement est d\u00e9tect\u00e9. L\u2019algorithme ADWIN tente de trouver deux sous-fen\u00eatres pr\u00e9sentant des moyennes distinctes, et abandonne la sous-fen\u00eatre la plus ancienne.<\/p><p>Les principales m\u00e9thodes permettant de calculer la diff\u00e9rence entre deux populations sont l&rsquo;<strong>Index de Stabilit\u00e9 de Population<\/strong>, la <strong>Divergence de Kullback-Leibler<\/strong>, la <strong>Divergence de Jensen-Shannon<\/strong>, le <strong>Test de Kolmogorov-Smirnov<\/strong>, ou encore la <strong>Distance de Wasserstein<\/strong>.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-67fd1c7 e-flex e-con-boxed e-con\" data-id=\"67fd1c7\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-b387133 elementor-widget elementor-widget-heading\" data-id=\"b387133\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Qu'est-ce que le Test de Kolmogorov-Smirnov ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5bbf250 elementor-widget elementor-widget-text-editor\" data-id=\"5bbf250\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Le Test de Kolmogorov-Smirnov (<strong>KS Test<\/strong>) est un test statistique ne n\u00e9cessitant aucun input de l&rsquo;utilisateur. Il est utilis\u00e9 pour <strong>comparer les distributions de probabilit\u00e9 continues ou discontinues<\/strong>.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c6540b2 elementor-widget elementor-widget-image\" data-id=\"c6540b2\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"543\" height=\"616\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/image4.png\" class=\"attachment-full size-full wp-image-183826\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/image4.png 543w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/image4-264x300.png 264w\" sizes=\"(max-width: 543px) 100vw, 543px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Illustration du test de Kolmogorov-Smirnov<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-fa21c74 elementor-widget elementor-widget-text-editor\" data-id=\"fa21c74\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>On peut l&rsquo;appliquer pour <strong>comparer la distribution d&rsquo;un \u00e9chantillon avec la distribution de probabilit\u00e9 de r\u00e9f\u00e9rence<\/strong>, ou deux \u00e9chantillons de distributions de populations ayant une variabilit\u00e9 \u00e9gale, afin de v\u00e9rifier si elles sont tir\u00e9es de diff\u00e9rentes distributions de population de param\u00e8tres inconnus.<\/p><p>Cette m\u00e9thode tire son nom d&rsquo;Andrey Kolmogorov et Nikolai Smirnov, qui furent les premiers \u00e0 proposer son usage pour les tr\u00e8s larges tableaux de chiffres al\u00e9atoires g\u00e9n\u00e9r\u00e9s par les humains.<\/p><p>La statistique Kolmogorov-Smirnov est utilis\u00e9e pour <strong>quantifier la distance entre les fonctions de distribution de donn\u00e9es du monde r\u00e9el d&rsquo;\u00e9chantillons, et les distributions de donn\u00e9es de l&rsquo;ensemble d&rsquo;entra\u00eenement<\/strong>.<\/p><p>Elle permet d&rsquo;obtenir une liste de valeurs <strong>\u00ab p \u00bb<\/strong> pour les donn\u00e9es d&rsquo;entra\u00eenement et les donn\u00e9es du monde r\u00e9el, et la distance entre les deux courbes r\u00e9v\u00e8le le Data Drift.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-5a83270 e-flex e-con-boxed e-con\" data-id=\"5a83270\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-ad8e1f7 elementor-widget elementor-widget-heading\" data-id=\"ad8e1f7\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Comment r\u00e9soudre un probl\u00e8me de Data Drift ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-77cc5d4 elementor-widget elementor-widget-text-editor\" data-id=\"77cc5d4\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Les diff\u00e9rentes m\u00e9thodes \u00e9voqu\u00e9es pr\u00e9c\u00e9demment permettent de <strong>d\u00e9tecter rapidement un Data Drift<\/strong>. Par la suite, il est important de prendre des mesures pour r\u00e9soudre le probl\u00e8me.<\/p><p>Toutefois, plusieurs \u00e9l\u00e9ments doivent \u00eatre pris en compte avant de passer \u00e0 l&rsquo;action. Tout d&rsquo;abord, v\u00e9rifiez les donn\u00e9es de la boucle de feedback. Il est essentiel de ne pas injecter de donn\u00e9es d\u00e9t\u00e9rior\u00e9es dans le <a href=\"https:\/\/datascientest.com\/pipeline-de-donnees\">pipeline<\/a>.<\/p><p>Si la qualit\u00e9 des donn\u00e9es est correcte, v\u00e9rifiez les performances du mod\u00e8le pour un cas d&rsquo;usage m\u00e9tier sp\u00e9cifique. Si le mod\u00e8le est toujours capable de <strong>g\u00e9n\u00e9rer des pr\u00e9dictions fiables<\/strong>, vous pouvez envisager d&rsquo;ajouter un pourcentage de nouvelles donn\u00e9es ing\u00e9r\u00e9es via la boucle de feedback \u00e0 l&rsquo;ensemble de donn\u00e9es et d&rsquo;entra\u00eener \u00e0 nouveau le mod\u00e8le. Ceci permet d&rsquo;<strong>obtenir une meilleure repr\u00e9sentation de la r\u00e9alit\u00e9<\/strong>, tout en conservant le m\u00eame degr\u00e9 d&rsquo;exactitude.<\/p><p>Si le mod\u00e8le ne fonctionne plus comme attendu, cela signifie que les donn\u00e9es utilis\u00e9es pour l&rsquo;entra\u00eenement et la validation n&rsquo;\u00e9taient pas repr\u00e9sentatives de la r\u00e9alit\u00e9 de votre cas d&rsquo;usage. Il est donc n\u00e9cessaire de<strong> reconstruire un dataset complet<\/strong> avec les nouvelles donn\u00e9es ing\u00e9r\u00e9es, ou d&rsquo;<strong>attendre d&rsquo;avoir suffisamment de donn\u00e9es<\/strong> pour entra\u00eener \u00e0 nouveau le mod\u00e8le.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-efc331c e-flex e-con-boxed e-con\" data-id=\"efc331c\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-f0c1666 elementor-widget elementor-widget-heading\" data-id=\"f0c1666\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Data Drift vs Concept Drift : quelle est la diff\u00e9rence ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-24cdef8 elementor-widget elementor-widget-text-editor\" data-id=\"24cdef8\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Un Data Drift survient en cas de d\u00e9calage entre les donn\u00e9es d&rsquo;entra\u00eenement d&rsquo;un mod\u00e8le et les donn\u00e9es du monde r\u00e9el. Ce changement dans les donn\u00e9es d\u00e9grade les performances du mod\u00e8le.<\/p><p>De son c\u00f4t\u00e9, le <strong>Concept Drift<\/strong> survient quand la cible des pr\u00e9dictions du mod\u00e8le ou ses propri\u00e9t\u00e9s statistiques changent au fil du temps. Le mod\u00e8le a appris une fonction cartographiant la variable cible pendant l&rsquo;entra\u00eenement, mais les a oubli\u00e9s au fil du temps ou est incapable d&rsquo;utiliser les patterns dans un nouvel environnement.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e8a0255 elementor-widget elementor-widget-image\" data-id=\"e8a0255\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"921\" height=\"401\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/image1-1.png\" class=\"attachment-full size-full wp-image-183827\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/image1-1.png 921w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/image1-1-300x131.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/image1-1-768x334.png 768w\" sizes=\"(max-width: 921px) 100vw, 921px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Concept drift v\/s Data Drift<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cddb0a8 elementor-widget elementor-widget-text-editor\" data-id=\"cddb0a8\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Par exemple, les mod\u00e8les de d\u00e9tection de spam peuvent avoir besoin d&rsquo;ajustements si la d\u00e9finition de spam \u00e9volue. Le Concept Drift peut survenir de fa\u00e7on saisonni\u00e8re (comme la mode vestimentaire), soudaine (comme le comportement des consommateurs apr\u00e8s la pand\u00e9mie de Covid) ou progressive.<\/p><p>Pour mesurer le Concept Drift, on peut <strong>surveiller continuellement les donn\u00e9es d&rsquo;entra\u00eenement et identifier les changements au sein des relations du dataset<\/strong>. Parmi les algorithmes de d\u00e9tection de Concept Drift les plus populaires, on compte ADWIN (ADaptive WINdowing) pour les donn\u00e9es en streaming, et le test KS ou le test du khi carr\u00e9 pour les donn\u00e9es en batch.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-ea04257 e-flex e-con-boxed e-con\" data-id=\"ea04257\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-6b4ae1e elementor-widget elementor-widget-heading\" data-id=\"6b4ae1e\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Conclusion<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3210e50 elementor-widget elementor-widget-text-editor\" data-id=\"3210e50\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Et voil\u00e0, vous savez maintenant d\u2019o\u00f9 provient le data drift, ses causes, ses caract\u00e9ristiques et les \u00e9ventuelles solutions \u00e0 tester pour le r\u00e9soudre. Le <strong>Data Drift et le Concept Drift<\/strong> comptent parmi les probl\u00e8mes les plus fr\u00e9quents dans l&rsquo;entra\u00eenement des mod\u00e8les de Machine Learning.<\/p><p>Afin de devenir expert de ce domaine, <strong>vous pouvez choisir DataScientest<\/strong>.<\/p><p>Nos diff\u00e9rentes formations permettent de ma\u00eetriser la Data Science et le Machine Learning. En choisissant parmi nos programmes, vous pourrez acqu\u00e9rir les comp\u00e9tences requises pour exercer les m\u00e9tiers de Data Analyst, Data Scientist, Data Engineer ou encore Machine Learning Engineer.<\/p><p>\u00c0 l&rsquo;issue du parcours, la gestion des <a href=\"https:\/\/datascientest.com\/datasets-top-5-des-sites-ou-trouver-des-jeux-de-donnees-de-qualite\">datasets<\/a> et l&rsquo;entra\u00eenement des mod\u00e8les de Machine Learning n&rsquo;auront plus de secrets pour vous. Vous serez directement pr\u00eat \u00e0 appliquer vos connaissances en entreprise, \u00e0 l&rsquo;instar des 80% de nos alumnis ayant trouv\u00e9 un emploi imm\u00e9diatement.<\/p><p>Notre approche <a href=\"https:\/\/datascientest.com\/blended-learning\">Blended Learning<\/a> innovante combine apprentissage en ligne sur une plateforme coach\u00e9e et Masterclasses collectives. En outre, vous pouvez choisir entre un <a href=\"https:\/\/datascientest.com\/definition-bootcamp\">BootCamp<\/a> intensif, une Formation Continue ou une alternance. Toutes nos formations s&rsquo;effectuent int\u00e9gralement \u00e0 distance.<\/p><p>Notre organisme reconnu par l&rsquo;\u00c9tat est \u00e9ligible au <a href=\"https:\/\/datascientest.com\/cpf-comment-utiliser-son-compte-personnel-de-formation\">Compte Personnel de Formation<\/a> pour le financement, tandis que les demandeurs d&#8217;emploi peuvent b\u00e9n\u00e9ficier du soutien de P\u00f4le Emploi. N&rsquo;attendez plus, et d\u00e9couvrez DataScientest !<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-956926e elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"956926e\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formations-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">En savoir plus<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Le Data Drift ou d\u00e9rive de donn\u00e9e survient quand les donn\u00e9es sur lequel s\u2019ex\u00e9cute le mod\u00e8le diff\u00e8rent de fa\u00e7on trop importantes des donn\u00e9es d&rsquo;entra\u00eenement. Ce probl\u00e8me doit \u00eatre d\u00e9tect\u00e9 et anticip\u00e9, car il d\u00e9grade les performances de pr\u00e9diction au fur et \u00e0 mesure du temps. D\u00e9couvrez tout ce que vous devez savoir sur le data [&hellip;]<\/p>\n","protected":false},"author":77,"featured_media":186153,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2497],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Data Drift : qu&#039;est-ce que c&#039;est et comment r\u00e9soudre le probl\u00e8me ?<\/title>\n<meta name=\"description\" content=\"D\u00e9couvrez dans cet article tout ce que vous devez savoir sur le Data Drift : d\u00e9finition, dangers, solutions...\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/definition-data-drift\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Data Drift : qu&#039;est-ce que c&#039;est et comment r\u00e9soudre le probl\u00e8me ?\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/definition-data-drift\" \/>\n<meta property=\"og:site_name\" content=\"Formation Data Science | DataScientest.com\" \/>\n<meta property=\"article:published_time\" content=\"2022-12-07T13:58:23+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-11-09T13:55:25+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/Illu_BLOG__data_drift.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"563\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Raphael Kassel\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Raphael Kassel\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"11 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/definition-data-drift\",\"url\":\"https:\/\/datascientest.com\/definition-data-drift\",\"name\":\"Data Drift : qu'est-ce que c'est et comment r\u00e9soudre le probl\u00e8me ?\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/#website\"},\"datePublished\":\"2022-12-07T13:58:23+00:00\",\"dateModified\":\"2023-11-09T13:55:25+00:00\",\"author\":{\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1\"},\"description\":\"D\u00e9couvrez dans cet article tout ce que vous devez savoir sur le Data Drift : d\u00e9finition, dangers, solutions...\",\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/definition-data-drift\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/#website\",\"url\":\"https:\/\/datascientest.com\/\",\"name\":\"Formation Data Science | DataScientest.com\",\"description\":\"Leader de la formation en Data Science\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1\",\"name\":\"Raphael Kassel\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"contentUrl\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg\",\"caption\":\"Raphael Kassel\"},\"description\":\"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \\\"Chef de projet IA\\\" et \\\"Data Product Manager\\\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/raphaelkassel\/\",\"Data Science\"],\"url\":\"https:\/\/datascientest.com\/author\/raphaelkassel\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Data Drift : qu'est-ce que c'est et comment r\u00e9soudre le probl\u00e8me ?","description":"D\u00e9couvrez dans cet article tout ce que vous devez savoir sur le Data Drift : d\u00e9finition, dangers, solutions...","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/definition-data-drift","og_locale":"fr_FR","og_type":"article","og_title":"Data Drift : qu'est-ce que c'est et comment r\u00e9soudre le probl\u00e8me ?","og_url":"https:\/\/datascientest.com\/definition-data-drift","og_site_name":"Formation Data Science | DataScientest.com","article_published_time":"2022-12-07T13:58:23+00:00","article_modified_time":"2023-11-09T13:55:25+00:00","og_image":[{"width":1024,"height":563,"url":"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/12\/Illu_BLOG__data_drift.png","type":"image\/png"}],"author":"Raphael Kassel","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"Raphael Kassel","Dur\u00e9e de lecture estim\u00e9e":"11 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/datascientest.com\/definition-data-drift","url":"https:\/\/datascientest.com\/definition-data-drift","name":"Data Drift : qu'est-ce que c'est et comment r\u00e9soudre le probl\u00e8me ?","isPartOf":{"@id":"https:\/\/datascientest.com\/#website"},"datePublished":"2022-12-07T13:58:23+00:00","dateModified":"2023-11-09T13:55:25+00:00","author":{"@id":"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1"},"description":"D\u00e9couvrez dans cet article tout ce que vous devez savoir sur le Data Drift : d\u00e9finition, dangers, solutions...","inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/definition-data-drift"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/#website","url":"https:\/\/datascientest.com\/","name":"Formation Data Science | DataScientest.com","description":"Leader de la formation en Data Science","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"fr-FR"},{"@type":"Person","@id":"https:\/\/datascientest.com\/#\/schema\/person\/6eca16f63daaafcbc96e15549b9d4ee1","name":"Raphael Kassel","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datascientest.com\/#\/schema\/person\/image\/","url":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","contentUrl":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/raph.jpeg","caption":"Raphael Kassel"},"description":"Raphael Kassel est le Head of Data Programs chez DataScientest. Il supervise une \u00e9quipe Data, impl\u00e9mente de nouveaux parcours comme \"Chef de projet IA\" et \"Data Product Manager\", et contribue \u00e0 la modernisation des op\u00e9rations du groupe. En collaboration \u00e9troite avec l'\u00e9quipe de d\u00e9veloppement, il adapte l'accompagnement acad\u00e9mique aux \u00e9volutions de l'\u00e9quipe data et \u00e0 l'internationalisation.","sameAs":["https:\/\/www.linkedin.com\/in\/raphaelkassel\/","Data Science"],"url":"https:\/\/datascientest.com\/author\/raphaelkassel"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/183822"}],"collection":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/users\/77"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/comments?post=183822"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/183822\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media\/186153"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media?parent=183822"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/categories?post=183822"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/tags?post=183822"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}