Data Science

Tu es un expert en analyse de données Python. Analyse le dataset : [DONNÉES ET OBJECTIFS] Démarche d'analyse : 1. Exploration et nettoyage des données 2. Analyse statistique descriptive 3. Visualisations et insights clés 4. Modélisation prédictive si applicable 5. Rapport et recommandations

Tu es un expert en data science et Python. Analyse cet ensemble de données : [DESCRIPTION DES DONNÉES] [OBJECTIFS D'ANALYSE] [QUESTIONS MÉTIER] Pipeline d'analyse : 1. Exploration et nettoyage des données (pandas) 2. Analyse statistique descriptive 3. Visualisation des patterns et tendances 4. Feature engineering et sélection 5. Modélisation ML (choix des algorithmes appropriés) 6. Évaluation des modèles et interprétation 7. Recommandations basées sur les insights 8. Code Python commenté et reproductible

Tu es un expert en architecture Data Fabric. Conçois une plateforme pour : [CONTEXTE ORGANISATIONNEL ET PAYSAGE DONNÉES] Architecture Data Fabric complète : 1. **Data Virtualization** : Couche d'abstraction unifiée pour sources hétérogènes 2. **Orchestration Distribuée** : Gestion automatique des pipelines de données 3. **Data Governance** : Contrôle centralisé avec exécution distribuée 4. **Catalogage Intelligent** : Métadonnées auto-découvertes et IA-powered 5. **Security by Design** : Chiffrement bout-en-bout et accès contextualisé 6. **Performance Optimization** : Caching intelligent et prefetching adaptatif 7. **Hybrid Cloud Ready** : Déploiement multi-cloud et on-premises transparent 8. **Data Quality Management** : Validation et nettoyage automatique des données 9. **Real-time Capabilities** : Streaming et changements de données en temps réel 10. **Self-Service Analytics** : Interface pour utilisateurs métier et data scientists Fournis l'architecture technique, les composants clés, et la roadmap de déploiement.

Tu es un expert en architecture Data Mesh et gouvernance distribuée. Conçois une solution pour : [ORGANISATION ET COMPLEXITÉS DONNÉES ACTUELLES] Architecture Data Mesh distribuée : 1. **Domain-driven data** : Découpage données par domaines métier avec ownership clair 2. **Data products** : Création produits de données découplés avec APIs standardisées 3. **Self-service platform** : Infrastructure outils pour développement autonome data products 4. **Federated governance** : Règles globales avec exécution décentralisée et monitoring 5. **Data discovery** : Catalogue centralisé avec métadonnées automatiques et recommandations 6. **Interoperability** : Standards et formats communs entre domaines et produits données 7. **Security & privacy** : Gestion droits d'accès distribuée avec chiffrement bout-en-bout 8. **Quality monitoring** : Métriques qualité données et alertes en temps réel 9. **Cost allocation** : Modèle allocation coûts data products par consommation réelle 10. **Evolution roadmap** : Stratégie migration progressive depuis architecture centralisée

Tu es un expert en architecture data mesh. Conçois une architecture pour : [INFRASTRUCTURE DATA ACTUELLE ET BESOINS MÉTIER] Architecture data mesh : 1. **Domain-Driven Data** : Identification des bounded contexts data 2. **Data Products** : Conception produits data avec contrats SLA 3. **Self-Service Platform** : Infrastructure serveurless pour équipes data 4. **Federated Governance** : Politiques globales avec exécution locale 5. **Data as Product** : Catalog, discovery, versioning des données 6. **Infrastructure partagée** : Outils communs (ingestion, quality, monitoring) 7. **Sovereignty & Compliance** : Gestion données sensibles et régulations 8. **Observabilité data** : Traçabilité, lineage et qualité des flux 9. **Organisation & compétences** : Rôles, responsabilités et montée en compétences 10. **Migration progressive** : Stratégie passage monolithe vers mesh

Tu es un expert en bioinformatique et analyse de données génomiques avec expérience dans les pipelines de séquençage à haut débit. Conçois une pipeline bioinformatique pour : [TYPE D'ANALYSE - séquençage, transcriptomique, protéomique, métagénomique] Données : [TYPE DE DONNÉES - WGS, RNA-seq, ChIP-seq, etc.] Échelle : [NOMBRE D'ÉCHANTILLONS, VOLUME DE DONNÉES] Objectifs : [DÉTECTION DE VARIANTES, EXPRESSION GÉNIQUE, ANALYSE FONCTIONNELLE] Pipeline Bioinformatique Complète : **1. Architecture de la Pipeline** : - **Workflow Management** : Nextflow, Snakemake, Cromwell, ou WDL - **Containerization** : Docker/Singularity pour la reproductibilité - **Scalability** : Support HPC, cloud computing, et cluster computing - **Data Management** : Gestion des données brutes et intermédiaires - **Version Control** : Traçabilité des versions de logiciels et données **2. Prétraitement des Données** : - **Quality Control** : FastQC, MultiQC pour les données de séquençage - **Trimming et Filtering** : Outils de nettoyage des reads (Trimmomatic, Cutadapt) - **Adapter Removal** : Suppression des adaptateurs et séquences contaminants - **Read Alignment** : Alignement sur le génome de référence (BWA, Bowtie2, STAR) - **Duplicate Marking** : Marquage des reads dupliqués (Picard, SAMtools) **3. Analyse Génomique** : - **Variant Calling** : Détection de variants (GATK, FreeBayes, DeepVariant) - **Variant Filtering** : Filtrage et annotation des variants (VCFtools, ANNOVAR) - **Structural Variants** : Détection de variants structurels (Manta, LUMPY, DELLY) - **Copy Number Variations** : Analyse des variations du nombre de copies (CNVkit) - **Genome Assembly** : Assemblage de génomes (SPAdes, Canu, Flye) **4. Analyse Transcriptomique** : - **Expression Quantification** : Quantification de l'expression (HTSeq, featureCounts, Salmon) - **Normalization** : Normalisation des données d'expression (DESeq2, edgeR) - **Differential Expression** : Analyse d'expression différentielle - **Alternative Splicing** : Analyse de l'épissage alternatif (rMATS, MAJIQ) - **Fusion Detection** : Détection de gènes de fusion (STAR-Fusion, FusionCatcher) **5. Analyse Fonctionnelle** : - **Gene Ontology** : Analyse d'enrichissement GO (clusterProfiler, topGO) - **Pathway Analysis** : Analyse de voies métaboliques (KEGG, Reactome) - **Network Analysis** : Analyse de réseaux d'interaction protéine-protéine - **Functional Annotation** : Annotation fonctionnelle des variants et gènes - **Visualization** : Visualisation des résultats (IGV, R packages, Python libraries) **6. Intégration Multi-omiques** : - **Multi-omics Integration** : Intégration génomique, transcriptomique, protéomique - **Data Fusion** : Fusion de données hétérogènes - **Machine Learning** : Application de ML pour la classification et prédiction - **Statistical Analysis** : Analyses statistiques avancées - **Biological Interpretation** : Interprétation biologique des résultats **7. Infrastructure et Déploiement** : - **HPC Integration** : Intégration avec les clusters de calcul haute performance - **Cloud Deployment** : Déploiement sur AWS, GCP, Azure - **Storage Solutions** : Solutions de stockage pour les données génomiques - **Monitoring** : Surveillance des performances et des ressources - **Automation** : Automatisation des exécutions et des rapports **8. Qualité et Validation** : - **Quality Metrics** : Métriques de qualité à chaque étape de la pipeline - **Validation Results** : Validation des résultats avec des jeux de données de référence - **Reproducibility** : Assurer la reproductibilité des analyses - **Documentation** : Documentation complète des méthodes et résultats - **Reporting** : Génération de rapports automatisés Fournis l'architecture complète, les scripts de pipeline, les configurations HPC/cloud et les recommandations d'optimisation.

Tu es un expert en bioinformatique et analyse génomique à grande échelle. Conçois un pipeline pour : [PROJET GÉNOMIQUE ET OBJECTIFS DE RECHERCHE] Pipeline bioinformatique complet : 1. **Sequence quality control** : Traitement质量控制 pour données NGS avec filtration et trimming automatiques 2. **Genome assembly optimization** : Assemblage génome avec algorithmes debridging et scaffolding avancés 3. **Variant calling pipeline** : Détection variants SNPs/indels avec filtres qualité et annotation fonctionnelle 4. **Transcriptome analysis** : Analyse expression génique avec quantification et differential expression testing 5. **Functional annotation** : Annotation fonctionnelle gènes et variants avec bases de données GO/KEGG/UniProt 6. **Phylogenetic analysis** : Construction arbres phylogénétiques et analyse évolutive des séquences 7. **Protein structure prediction** : Prédiction structures 3D protéines avec AlphaFold et validation expérimentale 8. **Pathway analysis integration** : Analyse pathways métaboliques et réseaux d'interaction gène-protéine 9. **Clinical interpretation** : Interprétation clinique variants avec bases de données ClinVar et guidelines ACMG 10. **Scalable computing architecture** : Architecture HPC/cloud pour traitement terabytes de données génomiques Fournis le pipeline complet, les algorithmes d'analyse, et les stratégies de validation clinique.

Analyse l'empreinte carbone de [APPLICATION/SITE WEB] et propose des optimizations. Fournis une analyse complète : 1. **Audit énergétique** : poids des assets, requêtes réseau, calculs côté client. 2. **Calcul d'impact** : estimation en kg CO2e par visiteur et par an. 3. **Optimisations prioritaires** : - Compression images (WebP/AVIF) - Lazy loading et code splitting - CDN edge computing - Réduction des requêtes API 4. **Plan de réduction** : objectif -30% d'impact en 6 mois. 5. **Métriques de suivi** : dashboard Green SI monitoring. Base les calculs sur les standards du Green Web Foundation.

Je veux réduire mon empreinte carbone personnelle/professionnelle. Mon profil : - Type : [PARTICULIER/ENTREPRISE/PETITE ÉQUIPE] - Secteur : [TECHNOLOGIE/SERVICES/INDUSTRIE/AUTRE] - Mode de vie : [URBAIN/RURAL/TÉLÉTRAVAIL] - Budget action : [LIMITÉ/MODÉRÉ/ILLIMITÉ] Agis comme un expert en transition climatique. Crée un plan d'action priorisé : **1. Diagnostic Carbone** : - Estimation de mon empreinte actuelle (en tonnes CO2e/an) - Identification des 3 principaux postes d'émissions **2. Plan d'Action sur 12 mois** : - Mois 1-3 : Actions rapides (énergie, transport) - Mois 4-6 : Actions structurantes (alimentation, consommation) - Mois 7-12 : Actions transformationnelles (investissement, plaidoyer) **3. Métriques de Suivi** : - KPIs à mesurer mensuellement - Outils de suivi recommandés **4. Impact Collectif** : - Comment influencer mon entourage - Projets communautaires à rejoindre Inclus des exemples concrets et des ressources locales (si applicable).

Tu es un expert en architecture GraphQL. Conçois une API scalable pour : [BESOINS MÉTIER ET CONTRAINTES] Spécifications techniques : 1. Schéma GraphQL optimisé 2. Stratégie de résolution (DataLoader) 3. Gestion du cache et performances 4. Sécurité et authentification 5. Monitoring et observabilité

Tu es un expert en architecture Data Mesh. Conçois une architecture distribuée pour : [ORGANISATION ET ÉCOSYSTÈME DONNÉES ACTUEL] Architecture Data Mesh complète : 1. **Domain-driven data ownership** : Décomposition par domaines métier avec responsabilité données 2. **Data as a product** : Conception de produits data avec qualité, discovery et accessibilité 3. **Self-service data platform** : Infrastructure partagée pour développement et déploiement data products 4. **Federated computational governance** : Politiques globales avec exécution distribuée 5. **Data infrastructure automatisée** : CI/CD pour pipelines data avec monitoring intégral 6. **Interopérabilité technique** : Standards APIs, schémas et protocoles inter-domaines 7. **Observabilité data** : Monitoring lineage, qualité et performance à l'échelle enterprise 8. **Security par design** : Chiffrement, authentification et autorisation au niveau produit 9. **Sustainability data** : Optimisation énergétique et impact environnemental des traitements 10. **Evolution roadmap** : Stratégie de migration progressive depuis architecture centralisée 11. **Success metrics** : KPIs d'adoption, satisfaction utilisateurs et ROI data mesh

Tu es un expert en démocratisation des données. Crée une plateforme self-service pour : [ORGANISATION ET BESOINS UTILISATEURS] Plateforme data démocratisation : 1. **Catalogue de données unifié** : Inventaire intelligent avec métadonnées et qualité 2. **Interface self-service** : Accès intuitif sans compétences techniques avancées 3. **Data preparation automatisée** : Nettoyage, transformation, et enrichissement guidé 4. **Visualisation drag-and-drop** : Création de dashboards sans code 5. **Gouvernance intégrée** : Rôles, permissions, et traçabilité des accès 6. **Data literacy tools** : Formation intégrée et assistance contextuelle 7. **Collaboration data** : Partage, annotations, et discussions sur les datasets 8. **Quality monitoring** : Validation automatique et alertes qualité 9. **API first approach** : Accès programmatique pour intégrations 10. **Ethics & compliance** : Vérifications RGPD et éthique intégrées 11. **Analytics d'usage** : Compréhension des besoins et optimisation plateforme Fournis l'architecture complète, les parcours utilisateurs types, et la stratégie d'adoption progressive.

Tu es un expert en plateformes de données démocratisées. Conçois une marketplace pour : [ORGANISATION ET BESOINS UTILISATEURS] Plateforme données démocratisée : 1. **Catalogue intelligent** : Découverte, recherche, recommandations de données 2. **Gouvernance intégrée** : Qualité, lignage, conformité, cycle de vie 3. **Self-service analytics** : Outils accessibles sans expertise technique 4. **APIs standardisées** : Accès uniforme aux données hétérogènes 5. **Data quality automatisée** : Validation, nettoyage, enrichissement continu 6. **Modèles de partage** : Pub/Sub, streaming, batch, temps réel 7. **Sécurité granulaire** : Chiffrement, anonymisation, droits d'accès 8. **Collaboration data** : Espaces partagés, annotations, discussions 9. **Monitoring utilisation** : Adoption, satisfaction, ROI de la plateforme 10. **Formation accompagnement** : Bootcamps, documentation, support communautaire

Tu es un expert en data governance d'entreprise. Conçois une plateforme complète pour : [ORGANISATION ET PAYSAGE DATA ACTUEL] Architecture data governance : 1. **Catalogue données unifié** : Métadonnées enrichies, lignage, et glossaire métier 2. **Qualité données automatisée** : Validation, profiling, et monitoring continus 3. **Gestion cycle de vie** : Classification, rétention, et archivage sécurisé 4. **Contrôles d'accès granulaires** : RBAC dynamique et masquage données sensibles 5. **Conformité réglementaire** : Automatisation vérifications RGPD/CCPA et audit trails 6. **Workflow gestion** : Demandes accès, corrections, et validation en temps réel 7. **Dashboard gouvernance** : KPIs qualité, compliance, et métriques d'usage 8. **Integration écosystème** : Connexion outils BI, ETL, et data warehouses 9. **Formation et culture data** : Modules e-learning et sensibilisation équipes 10. **Amélioration continue** : Feedback utilisateurs et optimisation processus

Tu es un expert en architecture Data Mesh. Conçois une infrastructure complète pour : [ORGANISATION ET SYSTÈMES DE DONNÉES ACTUELS] Architecture Data Mesh : 1. **Domain Decomposition** : Identification des domaines de données métier 2. **Data as Product Design** : Modélisation des produits de données 3. **Self-Service Platform** : Infrastructure pour équipes de données autonomes 4. **Federated Governance** : Politiques globales, exécution locale 5. **Infrastructure Components** : Storage, processing, serving layers 6. **Discoverability Framework** : Data catalog, metadata management 7. **Security Model** : Encryption, access control, audit trails 8. **Observability Stack** : Monitoring qualité, performance, utilisation 9. **Change Management** : Transition depuis architecture centralisée 10. **Success Metrics** : KPIs adoption, qualité, time-to-market 11. **Technology Selection** : Outils et plateformes adaptés au contexte