Data Science

Tu es un expert en gouvernance des données. Conçois une plateforme complète pour : [ORGANISATION ET ÉCOSYSTÈME DONNÉES ACTUEL] Plateforme data governance : 1. **Data catalog centralisé** : Indexation automatique de toutes les sources 2. **Lineage tracking** : Visualisation complète du flux de données 3. **Quality management** : Métriques et monitoring qualité en continu 4. **Policy engine** : Définition et application automatique des règles 5. **Access control granulaire** : Permissions basées rôles et attributs 6. **Privacy management** : Anonymisation, pseudonymisation et masking 7. **Compliance automation** : Conformité RGPD, CCPA et autres régulations 8. **Metadata enrichment** : Enrichissement automatique avec IA 9. **Collaboration workspace** : Espace de travail pour data stewards 10. **Analytics et reporting** : Tableaux de bord gouvernance et audit trails

Crée un dashboard pour [SUJET ANALYSE] destiné à [TYPE UTILISATEUR]. Objectifs : [OBJECTIFS DÉCISIONNELS] Données disponibles : [SOURCES DONNÉES] Conçois le dashboard avec : 1. **KPIs principaux** en haut de page 2. **Graphiques** adaptés à chaque type de donnée 3. **Filtres** interactifs (date, catégorie, etc.) 4. **Drill-down** pour analyses détaillées 5. **Alertes** et seuils critiques 6. **Export** et partage 7. **Responsive** design Spécifie les outils (Tableau, Power BI, Grafana) et fréquence de rafraîchissement.

Tu es un expert en data engineering. Je veux concevoir un pipeline [TYPE DE PIPELINE] pour [SOURCE DE DONNÉES]. Architecture Data Engineering complète: 1. **Data Ingestion** : Batch processing, streaming ingestion, API connectors, file-based ingestion 2. **Data Storage** : Data lakes, data warehouses, lakehouses, storage optimization strategies 3. **ETL/ELT Design** : Transformation logic, data validation, error handling, data quality checks 4. **Big Data Processing** : Apache Spark, Hadoop ecosystem, distributed computing, optimization techniques 5. **Streaming Architecture** : Kafka, Flink, Storm, real-time processing, windowing operations 6. **Orchestration** : Apache Airflow, workflow management, scheduling, dependency management 7. **Data Governance** : Data cataloging, metadata management, lineage tracking, compliance 8. **Performance Optimization** : Partitioning strategies, indexing, caching, query optimization 9. **Monitoring & Quality** : Data quality metrics, pipeline monitoring, alerting, SLA management 10. **Cloud Integration** : AWS/GCP/Azure services, cost optimization, security, scalability Fournis l'architecture complète, les scripts ETL/ELT, les configurations et les stratégies de monitoring.

Tu es un expert en Data Engineering. Je veux construire des pipelines de données pour [SOURCE VERS DESTINATION]. Pipelines ETL/ELT complets: 1. **Data Ingestion** : Batch vs streaming, change data capture, API connectors 2. **Data Transformation** : SQL transformations, Python/Spark jobs, dbt models 3. **Orchestration** : Apache Airflow DAGs, Prefect flows, Luigi pipelines 4. **Data Quality** : Validation rules, anomaly detection, data profiling 5. **Storage Architecture** : Data lakehouse, Delta Lake, Iceberg, Hudi 6. **Processing Frameworks** : Apache Spark, Flink, Beam for distributed processing 7. **Monitoring & Alerting** : Pipeline health checks, SLA monitoring, failure alerts 8. **Schema Management** : Schema evolution, data contracts, versioning 9. **Security & Governance** : Data encryption, access controls, data lineage 10. **Cost Optimization** : Resource allocation, spot instances, auto-scaling Fournis les configurations Airflow/dbt, les scripts Spark, les schémas de données et les dashboards de monitoring.

Tu es un Data Scientist IA expert avec une double expertise : analyse de données ET intelligence artificielle. Analyse le jeu de données suivant : [DÉTAIL DATASET] Approche hybride : 1. **Analyse Exploratoire** : Statistiques descriptives, visualisations initiales. 2. **Modélisation Prédictive** : Entraîner des modèles ML pour prédire les tendances. 3. **Analyse Causale** : Utilise des techniques avancées (SHAP values, causal inference). 4. **Synthèse IA** : Génère des insights actionnables avec l\'IA. Pour chaque approche : - **Méthodologie** : Techniques et algorithmes utilisés. - **Outils** : Python (pandas, scikit-learn, matplotlib), R, SQL. - **Visualisations** : Tableaux, graphiques, dashboards interactifs. Fournis un rapport complet avec : - Insights clés et recommandations. - Code reproductible pour l\'analyse.

Tu es un expert en Data Storytelling. Transforme ces données en une histoire convaincante avec visualisations : [INSERER DONNÉES] Structure du récit : 1. **Hook** : Question ou problème accrocheur 2. **Contexte** : Signification des données 3. **Analyse** : Insights et tendances clés 4. **Visualisations** : Graphiques appropriés (matplotlib/plotly) 5. **Narrative** : Histoire qui connecte les points 6. **Conclusion** : Recommandations actionnables 7. **Code** : Scripts Python pour générer les visuels

J'ai réalisé une analyse de données montrant que [INSÉRER CONCLUSION DATA, EX: LE CHURN AUGMENTE CHEZ LES 18-25 ANS]. Aide-moi à présenter cela sous forme d'histoire (Storytelling) pour le CODIR : 1. **Le Contexte** : Tout allait bien jusqu'à... 2. **L'Incident** : Ce que les données révèlent (le twist). 3. **L'Enjeu** : Pourquoi c'est grave si on ne fait rien. 4. **La Résolution** : La solution basée sur les données que je propose.

Tu es un expert en protocoles DeFi. Je veux créer un protocole DeFi [TYPE DE PROTOCOLE] sur [BLOCKCHAIN]. Protocole DeFi complet: 1. **Protocol Architecture** : Smart contract design, upgrade patterns, proxy contracts, gas optimization 2. **Tokenomics Design** : Utility tokens, governance tokens, reward mechanisms, economic sustainability 3. **Yield Strategies** : Liquidity mining, staking mechanisms, yield aggregation, compounding strategies 4. **Oracle Integration** : Chainlink price feeds, data reliability, fallback mechanisms, oracle security 5. **Liquidity Management** : Automated market makers, liquidity pools, impermanent loss mitigation 6. **Risk Management** : Smart contract audits, exploit prevention, insurance mechanisms, stress testing 7. **Governance System** : DAO structure, voting mechanisms, proposal systems, treasury management 8. **Cross-Chain Integration** : Bridge protocols, multi-chain deployment, interoperability solutions 9. **User Experience** : Wallet integration, transaction batching, gas optimization, user interfaces 10. **Compliance & Regulation** : KYC/AML integration, regulatory compliance, privacy features Fournis les smart contracts, l interface frontend, la documentation et la stratégie de lancement.

Tu es un expert DeFi et yield farming. Je veux analyser et optimiser des stratégies de yield farming sur [CHAINE: ETHEREUM/POLYGON/ARBITRUM]. Analyse DeFi complète: 1. **Protocols Analysis** : Aave, Compound, Curve, Yearn, Convex, Balancer, Uniswap V3 2. **Yield Calculation** : APY vs APR, compounding effects, impermanent loss 3. **Risk Assessment** : Smart contract risk, liquidation risk, market risk, gas costs 4. **Strategy Optimization** : Multi-protocol strategies, auto-compounding, rebalancing 5. **Tooling & Automation** : Yearn vaults, Zapper, Zerion, custom smart contracts 6. **Gas Optimization** : Layer 2 solutions, gas tokens, transaction batching 7. **Monitoring** : Portfolio tracking, yield monitoring, alert systems 8. **Tax Implications** : DeFi taxation, cost basis calculation, reporting 9. **Security Best Practices** : Hardware wallets, multi-sig, contract audits 10. **Market Conditions** : Yield environment analysis, macro factors, protocol risks Fournis l'analyse des rendements attendus, les recommandations d'allocation, les scripts de monitoring, et les stratégies de sortie.

Tu es un pionnier en interfaces cerveau-machine. Conçois une application BCI pour : [APPLICATION BCI] Interface Neuronale Complète : 1. **Neuroscience Foundation** : - Brain signals type (EEG, ECoG, fNIRS) - Cognitive processes targetés - Signal characteristics et preprocessing 2. **Hardware Architecture** : - Sensor type et placement - Signal acquisition hardware - Real-time processing requirements - Power consumption constraints 3. **Signal Processing Pipeline** : - Noise filtering et artifact removal - Feature extraction algorithms - Machine learning classification - Real-time inference optimization 4. **User Interface Design** : - Feedback modalities (visual, haptic, auditory) - Calibration protocols - Adaptation et learning algorithms - Error detection et correction 5. **Application Logic** : - Command mapping et control - State management - Safety protocols - Emergency stop mechanisms 6. **User Experience** : - Training protocol design - Performance feedback - Cognitive load management - Accessibility considerations 7. **Safety & Ethics** : - Data privacy et security - Informed consent procedures - Long-term effects monitoring - Regulatory compliance 8. **Testing & Validation** : - Performance metrics (accuracy, latency) - User studies protocols - Robustness testing - Long-term reliability assessment

En tant qu'expert en data viz, crée des visualisations pour : [DÉCRIRE LES DONNÉES ET OBJECTIFS] Conçois : 1. **Chart types** appropriés (bar, line, scatter, heatmap) 2. **Color palette** accessible et signifiante 3. **Dashboard layout** optimal 4. **Interactive elements** (filters, tooltips) 5. **Data storytelling** flow 6. **Code examples** (matplotlib, plotly, D3.js) 7. **Best practices** accessibility

Tu es un expert en détection d'anomalies. Analyse ces données : [DONNÉES À ANALYSER] Implémente : 1. **Statistical methods** (Z-score, IQR) 2. **Machine learning** (Isolation Forest, One-Class SVM) 3. **Deep learning** (Autoencoders) 4. **Time series anomalies** si applicable 5. **Visualization** des anomalies 6. **Threshold optimization** 7. **Python code** complet

Tu es un expert MLOps. Déploie ce modèle en production :\n\n[INSÉRER MODÈLE - type, framework, performances, contraintes]\n\nPlanifie le déploiement complet :\n1. **Model Packaging** : Containerisation (Docker), dependencies, versioning\n2. **API Development** : REST/GraphQL endpoints, input validation, error handling\n3. **Infrastructure** : Cloud provider, auto-scaling, load balancing\n4. **Monitoring** : Performance metrics, drift detection, anomaly detection\n5. **CI/CD Pipeline** : Automated testing, deployment strategies (blue-green, canary)\n6. **Data Pipeline** : Feature store, data validation, batch vs real-time\n7. **Model Governance** : Registry, lineage, compliance, audit trails\n8. **Security** : Authentication, encryption, API rate limiting\n9. **Cost Optimization** : Resource allocation, serverless vs always-on\n\nFournis configurations Docker, Kubernetes, et monitoring dashboards.

Crée un système de détection d'anomalies pour [TYPE DE DONNÉES]. Algorithmes à implémenter : 1. **Statistical methods** (Z-score, IQR) 2. **Isolation Forest** et **Local Outlier Factor** 3. **Autoencoders** pour détection non-linéaire 4. **Time series anomaly detection** 5. **Real-time processing** avec Apache Kafka/Flink 6. **Alerting system** et dashboard Fournis code Python, pipeline de monitoring, et interface de visualisation.

Implémente la détection d'objets pour [TYPE D'IMAGES/OBJETS]. Solutions techniques : 1. **YOLOv5/YOLOv8** pour la détection en temps réel 2. **Data augmentation** et préparation dataset 3. **Transfer learning** sur données spécifiques 4. **Post-processing** (NMS, confidence threshold) 5. **Interface web** avec Streamlit/Flask 6. **Déploiement** optimisé (TensorRT, ONNX) Fournis code complet, pipeline d'entraînement, et interface de démonstration.