Discussion :

[Yogui]

La rédaction de DVP a lu pour vous l'ouvrage suivant:

Collective Intelligence in Action, de Satnam Alag

Résumé de l'éditeur

There's a great deal of wisdom in a crowd, but how do you listen to a thousand people talking at once? Identifying the wants, needs, and knowledge of internet users can be like listening to a mob.
In the Web 2.0 era, leveraging the collective power of user contributions, interactions, and feedback is the key to market dominance. A new category of powerful programming techniques lets you discover the patterns, inter-relationships, and individual profiles-the collective intelligence--locked in the data people leave behind as they surf websites, post blogs, and interact with other users.

Collective Intelligence in Action is a hands-on guidebook for implementing collective intelligence concepts using Java. It is the first Java-based book to emphasize the underlying algorithms and technical implementation of vital data gathering and mining techniques like analyzing trends, discovering relationships, and making predictions. It provides a pragmatic approach to personalization by combining content-based analysis with collaborative approaches.

This book is for Java developers implementing Collective Intelligence in real, high-use applications. Following a running example in which you harvest and use information from blogs, you learn to develop software that you can embed in your own applications. The code examples are immediately reusable and give the Java developer a working collective intelligence toolkit.

Along the way, you work with, a number of APIs and open-source toolkits including text analysis and search using Lucene, web-crawling using Nutch, and applying machine learning algorithms using WEKA and the Java Data Mining (JDM) standard.

L'avez-vous lu? Comptez-vous le lire ?

Quel est votre avis?

[JauB]

A mon avis, ce livre est destiné à des gens ayant de bonnes connaissances en Business Intelligence ainsi qu'en Java pour bien comprendre les exemples fournis, mais qui reste un livre pratique pour l'application de l'intelligence collective à des applications web.

Etant divisé en trois grandes parties, le livre nous introduit, à travers le 1er, 2ème et 3ème chapitres, au domaine de l'intelligence collective en nous donnant un aperçu de l'architecture nécessaire pour intégrer l'intelligence collective dans une application.

La 2ème partie du livre traite l'intelligence provenant de la collecte de données. A travers le 7ème chapitre, le lecteur est introduit au processus du data mining ainsi que ses différents types d'algorithmes. L'outil utilisé étant WEKA, un outil open source pour le data mining dont l'utilisation sera plus explicite dans le chapitre 9 à travers des exemples de clustering.

La dernière partie traite l'application de l'intelligence dans une application.

Les points forts du livre résident dans la méthodologie adoptée par l'auteur pour expliquer comment appliquer de l'intelligence collective dans une application web. Ainsi, le livre nous mène, à travers de nombreux exemples, à comprendre comment appliquer de l'intelligence collective, en dénombrant ses bénéfices, dans une application web. Chaque concept est ainsi illustré par des exemples concrets. L'auteur cite plusieurs sites de référence utilisant le concept de l'intelligence collective, chose qui peut donner plus de visibilité aux lecteurs désirant appliquer ce concept. Une dernière chose que j'ai beaucoup apprecié dans ce livre est qu'il nous transporte du monde du technique abstrait vers un monde du pratique en prédisant le besoin des internautes.

Certains aspects techniques présentés par le livre peuvent causer la perte du fil conducteur pendant sa lecture tels que la présence de plusieurs diagrammes de classes et du code Java. J'aurais préféré que le livre ne traite pas les aspects conceptuels des choses à travers du technique. Ce même problème est rencontré par la présence de certaines formules mathématiques, J'aurais préféré que l'auteur propose des moyens faciles à mettre en œuvre pour aboutir à des résultats exploitables si c'est nécessaire de passer par des chiffres (calcul de la corrélation, similarité,…).

Ce que je n'ai pas aimé dans la méthodologie de l'application du data mining dans ce livre est le fait d'utiliser directement l'API Java de WEKA au lieu d'utiliser l'outil complet WEKA. Ceci, afin d'éviter de réinventer la roue. Aussi, l'auteur devrait normalement expliquer comment sélectionner les attributs de prédiction pour la construction d'un modèle prédictif.