Data Science

Tu es un expert en séries temporelles et forecasting. Développe un modèle prédictif pour [TYPE DE DONNÉES TEMPORELLES]. Analyse Temps Réel et Prédictive: 1. **Exploration des Données** : Patterns saisonniers, tendances, cycles, anomalies 2. **Prétraitement** : Gestion des valeurs manquantes, outliers, stationnarité 3. **Modèles Statistiques** : ARIMA, SARIMA, Prophet, exponential smoothing 4. **Machine Learning** : LSTM, GRU, Transformer, XGBoost pour séries temporelles 5. **Feature Engineering** : Lag variables, rolling statistics, calendar features 6. **Validation Croisée** : Time series split, walk-forward validation, backtesting 7. **Hyperparameter Tuning** : Grid search, bayesian optimization, early stopping 8. **Ensemble Methods** : Combinaison de modèles, weighted averaging, stacking 9. **Prédictions Multi-step** : Direct vs recursive forecasting, prediction intervals 10. **Monitoring** : Model drift detection, performance tracking, automated retraining Fournis le code Python/R complet, les visualisations des prédictions, et les métriques de performance.

Tu es un data scientist expert en validation de modèles ML. Analyse ce modèle : [DESCRIPTION MODÈLE + MÉTRIQUES ACTUELLES] Effectue une validation complète : 1. **Métriques de performance** : accuracy, precision, recall, F1, AUC-ROC 2. **Validation croisée** : k-fold, stratification 3. **Analyse des erreurs** : confusion matrix, error analysis 4. **Feature importance** : SHAP, LIME explanations 5. **Robustesse** : adversarial testing, data drift 6. **Bias et fairness** : demographic parity, equal opportunity 7. **Optimisation** : hyperparameter tuning, ensemble methods Recommande des améliorations spécifiques avec code Python/R.

Tu es un expert en Vector Databases et systèmes RAG. Je veux construire un système RAG pour [USE CASE: Q&A/CHATBOT/SEARCH]. Système RAG complet: 1. **Vector Database Setup** : Pinecone/Weaviate/ChromaDB configuration, indexing strategies 2. **Embedding Models** : OpenAI embeddings, Sentence Transformers, fine-tuning embeddings 3. **Data Processing** : Document chunking, preprocessing, metadata extraction 4. **Retrieval Strategies** : Semantic search, hybrid search, reranking algorithms 5. **Generation Pipeline** : LLM integration, prompt engineering, context windows 6. **Evaluation Metrics** : Retrieval accuracy, answer quality, relevance scoring 7. **Scaling Architecture** : Distributed processing, caching, load balancing 8. **Monitoring** : Query performance, index health, user analytics 9. **Security** : Access control, data encryption, privacy compliance 10. **Optimization** : Query latency, cost management, model selection Fournis l'architecture complète, les scripts de traitement, les API endpoints et les dashboards de monitoring.

Tu es un expert en visualisation de données. Crée des visuels percutants pour : [JEUX DE DONNÉES ET PUBLIC VISÉ] Stratégie de visualisation : 1. Analyse et nettoyage des données 2. Identification des insights clés 3. Choix des types de graphiques adaptés 4. Création de dashboards interactifs 5. Design accessible et responsive 6. Intégration dans les outils existants 7. Formation des utilisateurs et documentation

Tu es un expert en gaming Web3 et économies tokenisées. Je veux créer un jeu [GENRE DE JEU] avec [BLOCKCHAIN]. Jeu Web3 complet: 1. **Game Architecture** : On-chain vs off-chain logic, game state management, hybrid approaches 2. **NFT Integration** : ERC-721/ERC-1155 implementation, metadata storage, marketplace integration 3. **Tokenomics Design** : Utility tokens, governance tokens, reward mechanisms, economic sustainability 4. **Play-to-Earn Mechanics** : Reward systems, skill-based earnings, tournament prizes, staking rewards 5. **Smart Contract Development** : Game logic contracts, random number generation, dispute resolution 6. **Frontend Integration** : Web3 wallet connections, meta transactions, gas optimization 7. **Multiplayer Systems** : P2P interactions, tournament systems, leaderboards, matchmaking 8. **Security** : Anti-cheat mechanisms, exploit prevention, smart contract audits 9. **Scalability** : Layer 2 solutions, gas optimization, off-chain processing 10. **Community Building** : Discord integration, social features, governance participation Fournis les smart contracts, l'application frontend, les tokenomics et la stratégie de lancement.

Tu es un expert en Machine Learning et évaluation de modèles. Analyse ces résultats : [INSÉRER RÉSULTATS MODÈLES/MÉTRIQUES] Évaluation complète : 1. **Performance Metrics** : Accuracy, Precision, Recall, F1, AUC-ROC 2. **Business Impact** : Coût/bénéfice, ROI, impact métier 3. **Bias Analysis** : Biais de données, équité, fairness 4. **Robustness** : Stabilité, surapprentissage, généralisation 5. **Interpretability** : Explicabilité, feature importance 6. **Deployment Readiness** : Latence, scalabilité, maintenance 7. **Recommendation** : Modèle retenu avec justifications Format : Rapport comparatif avec recommandation finale.

Tu es un expert en IA biomédicale. Je veux développer une application [TYPE D APPLICATION BIOMEDICALE] pour [DOMAINE MEDICAL]. Application Biomédicale IA complète: 1. **Medical Imaging AI** : X-ray analysis, MRI interpretation, CT scans, pathology images, diagnostic assistance 2. **Genomic Analysis** : DNA sequencing, variant calling, gene expression analysis, personalized medicine 3. **Clinical Decision Support** : Diagnosis assistance, treatment recommendations, risk assessment, drug interactions 4. **Predictive Analytics** : Disease progression, patient outcomes, readmission risk, population health 5. **Drug Discovery** : Molecular modeling, compound screening, clinical trial optimization, repurposing analysis 6. **Electronic Health Records** : NLP for clinical notes, data extraction, patient records, privacy preservation 7. **Wearable Health Tech** : Sensor data analysis, vital sign monitoring, anomaly detection, preventive care 8. **Surgical Assistance** : Robot guidance, procedure planning, real-time analysis, outcome prediction 9. **Regulatory Compliance** : FDA approval, HIPAA compliance, clinical validation, ethical considerations 10. **Implementation Strategy** : Hospital integration, workflow optimization, training programs, change management Fournis les modèles IA médicaux, les systèmes de diagnostic, les interfaces cliniques et les stratégies de validation.

Je débute avec Pandas en Python. Donne-moi les 5 commandes les plus utiles pour : [TÂCHE, EX: FILTRER ET TRIER, GROUPER ET AGRÉGER, GÉRER LES DATES]. Pour chaque commande, fournis un exemple de code court et une explication simple.

Ma requête est lente : `SELECT * FROM users WHERE email = '...' AND last_login > '...'`. 1. Quel index dois-je créer (Simple ou Composite) ? 2. Explique l'ordre des colonnes dans l'index (Cardinalité). 3. Quels sont les inconvénients d'avoir trop d'index ?

Tu es un expert en computer vision. Développe une solution pour :\n\n[INSÉRER PROJET - type d'analyse, données, contraintes temps réel]\n\nConçois l'architecture complète :\n1. **Data Pipeline** : Image acquisition, preprocessing, augmentation\n2. **Model Selection** : CNN architectures (ResNet, YOLO, EfficientNet), pre-trained vs custom\n3. **Training Strategy** : Transfer learning, data augmentation, class imbalance\n4. **Performance Optimization** : Model quantization, pruning, TensorRT optimization\n5. **Deployment Options** : Edge deployment, cloud inference, batch processing\n6. **Real-time Processing** : Video streaming, frame extraction, latency optimization\n7. **Quality Assurance** : Confidence thresholds, error handling, fallback mechanisms\n8. **Monitoring** : Accuracy tracking, drift detection, performance metrics\n9. **Integration** : API design, database storage, user interface\n\nFournis code PyTorch/TensorFlow et architecture de déploiement.

Tu es un expert en plateformes collaboratives pour data science. Développe une plateforme complète pour : [ÉQUIPE DATA SCIENCE ET PROJETS] Plateforme collaborative Data Science : 1. **Notebooks partagés** : Environnement Jupyter collaboratif avec contrôle de version 2. **Gestion des datasets** : Catalogue de données avec métadonnées enrichies 3. **Workflows automatisés** : Pipelines ML avec partage et réutilisation 4. **Expérimentation tracking** : Système complet pour traçabilité des expériences 5. **Knowledge base** : Base de connaissances collaborative avec IA assistée 6. **Modèles partagés** : Registre de modèles avec versions et performances 7. **Code review** : Review collaboratif du code avec suggestions IA 8. **Dashboards équipe** : Visualisations collaboratives pour insights partagés 9. **Formation continue** : Modules d'apprentissage personnalisés par équipe 10. **Governance données** : Politiques de gouvernance collaborative et qualité

Tu es un expert en construction de graphes de connaissances pour systèmes RAG avancés. Développe une solution pour : [DOMAINE CONNAISSANCES ET SOURCES DONNÉES] Graphe de connaissances RAG avancé : 1. **Entity Extraction** : Identification automatique entités, relations et attributs depuis documents non structurés 2. **Ontology Design** : Création schéma conceptuel avec hiérarchies, propriétés et contraintes 3. **Graph Construction** : Population graphe avec déduplication, résolution conflits et qualité données 4. **Vector Integration** : Combinaison graph structurel avec embeddings pour recherche sémantique hybride 5. **Query Processing** : Transformation requêtes naturelles en requêtes graphe avec expansion sémantique 6. **Path Finding Algorithms** : Algorithmes optimisés pour discovering relations et patterns complexes 7. **Real-time Updates** : Mise à jour incrémentale graphe avec détection changements et validation 8. **Graph Analytics** : Métriques centralité, clustering et détection anomalies dans graphe 9. **Multi-modal Integration** : Fusion texte, images et autres médias dans structure graphe unifiée 10. **Performance Optimization** : Indexation spécialisée, caching et parallel processing for scalability

Tu es un expert en modèles d'IA et LLMs. Compare les modèles pour ce cas d'usage : [CAS D'USAGE DÉTAILLÉ] Domaine : [DOMAINE D'APPLICATION] Contraintes : [BUDGET, LATENCE, CONFIDENTIALITÉ] Volume : [NOMBRE REQUÊTES/JOUR] Comparaison de Modèles IA Complète : **1. Analyse des Besoins** - Type de tâches : [génération, classification, extraction, etc.] - Langues requises - Volume et fréquence d'utilisation - Contraintes techniques et budgétaires - Exigences de performance et fiabilité **2. Modèles à Comparer** - **Modèles Open Source** : Llama, Mistral, Falcon, etc. - **Modèles Commercial** : GPT-4, Claude, Gemini, etc. - **Modèles Spécialisés** : Code, math, médical, etc. - **Modèles Local** : Options d'auto-hébergement **3. Critères d'Évaluation** - **Performance** : Qualité des réponses, cohérence, précision - **Coût** : Coût par requête, abonnement, infrastructure - **Vitesse** : Latence, throughput, temps de réponse - **Scalabilité** : Gestion des pics, parallélisation - **Sécurité** : Confidentialité, conformité, data privacy - **Facilité d'Intégration** : API, SDK, documentation - **Maintenance** : Mises à jour, support communautaire **4. Matrice de Comparaison** - Scores normalisés (1-10) pour chaque critère - Coût total de possession (TCO) sur 12 mois - Analyse avantages/inconvénients - Recommandations par cas d'usage **5. Tests Pratiques** - Scénarios de test représentatifs - Métriques de qualité automatiques - Tests de charge et performance - Validation avec utilisateurs finaux **6. Recommandations Finales** - Meilleur modèle principal - Modèles de secours/fallback - Stratégie hybride si pertinent - Plan de migration et déploiement Fournis : - Tableau de comparaison détaillé - Analyse coût-bénéfice - Recommandations avec justifications - Plan d'implémentation

Tu es un expert en optimisation de modèles IA pour la production. Analyse et optimise ce modèle : [Modèle IA à optimiser - type, framework, cas d'usage, contraintes] Optimisation complète modèle IA : **1. Analyse de Performance Actuelle** : - **Métriques de latence** : temps d'inférence, throughput, P95/P99 - **Métriques de ressources** : utilisation CPU/GPU, mémoire, stockage - **Métriques de qualité** : accuracy, précision, recall, F1-score - **Analyse des goulots d'étranglement** : identification des points critiques - **Benchmarking** : comparaison avec modèles de référence **2. Optimisation du Modèle** : - **Quantization** : INT8/FP16, post-training quantization, quantization-aware training - **Pruning** : structured/unstructured pruning, magnitude-based pruning - **Knowledge Distillation** : teacher-student models, distillation loss - **Architecture optimization** : model compression, efficient architectures (MobileNet, EfficientNet) - **Compilation** : ONNX, TensorRT, OpenVINO optimisation **3. Optimisation de l'Infrastructure** : - **Hardware selection** : CPU vs GPU vs TPU vs edge devices - **Batch sizing** : optimal batch size pour throughput vs latence - **Parallel processing** : multi-threading, GPU parallelization - **Memory management** : memory pooling, garbage collection optimization - **Caching strategies** : model caching, result caching, feature caching **4. Optimisation du Pipeline** : - **Preprocessing optimization** : vectorization, parallel processing - **Postprocessing optimization** : efficient result formatting - **Pipeline parallelization** : async processing, streaming inference - **Load balancing** : request distribution, auto-scaling - **Monitoring integration** : performance metrics, alerting **5. Déploiement en Production** : - **Container optimization** : Docker images, resource limits - **Orchestration** : Kubernetes deployment, scaling policies - **A/B testing framework** : gradual rollout, performance comparison - **Canary deployment** : progressive deployment with monitoring - **Rollback procedures** : quick rollback mechanisms **6. Monitoring et Maintenance** : - **Real-time monitoring** : latency, throughput, error rates, resource usage - **Performance degradation detection** : drift detection, model staleness - **Automated retraining** : trigger conditions, pipeline automation - **Cost optimization** : resource utilization, cloud cost management **7. Tests et Validation** : - **Load testing** : stress testing, capacity planning - **Accuracy validation** : post-optimization accuracy verification - **Integration testing** : end-to-end pipeline testing - **Security testing** : model security, data privacy validation Fournis : - Plan d'optimisation priorisé avec estimations de gains - Code d'optimisation avec exemples concrets - Configuration infrastructure recommandée - Stratégie de déploiement et monitoring - Métriques de succès et KPIs à suivre

Tu es un expert en analyse prédictive et séries temporelles complexes. Développe un système pour : [DOMAINE MÉTIER ET TYPES DE DONNÉES TEMPORELLES] Système prédictif séries temporelles : 1. **Préparation données temporelles** : Nettoyage, interpolation, décomposition tendance/saisonnalité 2. **Feature engineering temporel** : Lag variables, moyennes mobiles, Fourier transforms, cyclicités 3. **Modèles de base** : ARIMA, Prophet, Exponential Smoothing comme benchmarks 4. **Deep learning séquentiel** : LSTM, GRU, Transformers pour patterns complexes 5. **Multi-variables corrélées** : Analyse interdépendances, causalité, external factors 6. **Ensemble methods** : Combinaison modèles, stacking, weighted averaging 7. **Validation croisée temporelle** : Time series cross-validation, walk-forward validation 8. **Incertitude quantification** : Prediction intervals, Monte Carlo, bootstrap methods 9. **Anomaly detection** : Détection outliers, changements de régime, structural breaks 10. **Deployment monitoring** : Model drift detection, retraining schedules, performance tracking