Traduction de «données le pire jour » (Français → Néerlandais) :

J’ai les données. Je vais vous en montrer un extrait, «De la Conception à la Naissance». (Musique) Texte Vidéo : « De la Conception à la Naissance » Ovocyte Spermatozoïdes Ovule inséminé 24 Heures : Première division du bébé L’ovule fertilisé se divise quelques heures après la fusion… Et se divise à nouveau toutes les 12 à 15 heures. Jeune Embryon La vésicule vitelline alimente toujours le bébé. 25 jours : Développement des cavités du cœur 32 jours : Développement des bras et des mains 36 jours : Apparition des premières vertèbres Ces semaines-là sont la période de développement la plus rapide du fœtus. Si le fœtus continuait à grandir à cette vitesse pendant neuf mois, il deviendrait un bébé d'une tonne et demie. 45 Jours Le cœur de l’embryon bat deux fois plus vite que celui de la mère. 51 Jours 52 Jours : Développement de la rétine, du nez et des doigts Le mouvement continu du fœtus dans le ventre est nécessaire pour la croissance musculaire et squelettique. 12 semaines : pas d’organe sexuel -- fille ou garçon, on ne sait pas encore 8 Mois Accouchement : la phase d’expulsion Le moment de la naissance (Applaudissements) Alexander Tsiaras : Merci. Mais vous voyez, quand vous commencez à travailler sur ces données, c’est assez spectaculaire. En continuant à faire des scanners l’un après l’autre, en travaillant sur ce projet, en regardant ces deux cellules toutes simples qui ont cette espèce d’incroyable mécanisme qui par magie deviendra une personne. En continuant à travailler sur ces données, en observant des petits morceaux du corps, ces petits morceaux de tissu qui étaient un trophoblaste venant d’un blastocyste, qui tout à coup se creuse un chemin dans l’utérus, en se disant, « Je suis là pour rester ». Tout à coup, en conversant et en communiquant avec les œstrogènes, la progestérone, en disant, « Je suis là pour rester, plantez-moi » en construisant cet incroyable fœtus tri-linéaire qui devient, en 44 jours, quelque chose que vous pouvez reconnaître, puis en 9 ...
Ik kreeg de gegevens. Ik zal jullie een voorbeeld laten zien van dat stuk: Van conceptie tot geboorte . (Muziek) Videotekst: Van conceptie tot geboorte Eicel Sperma Bevrucht ei 24 uur: eerste deling van de baby De bevruchte eicel deelt een paar uur na de versmelting ... en deelt opnieuw om de 12 tot 15 uur. Het embryo in een vroeg stadium De dooierzak voedt de baby nog steeds. 25 dagen: de hartkamer ontwikkelt zich 32 dagen: de armen en handen ontwikkelen zich 36 dagen: begin van de primitieve wervels Deze weken zijn de periode van de snelste ontwikkeling van de foetus. Als de foetus negen maanden op deze snelheid zou blijven groeien, zou hij 1,5 ton wegen bij de geboorte. 45 dagen Het hart van het embryo klopt twee keer zo snel als dat van de moeder. 51 dagen 52 dagen: de ontwikkeling van het netvlies, neus en vingers De voortdurende beweging van de foetus in de baarmoeder is noodzakelijk voor de groei van de spieren en het skelet. 12 weken: neutraal geslacht -- we weten nog niet of het een meisje of een jongen wordt. 8 maanden Bevalling: het moment van de uitdrijving Het moment van de geboorte (Applaus) Alexander Tsiaras: Dank je wel. Maar zoals je kunt zien, wanneer je daadwerkelijk gaat werken aan deze gegevens is het vrij spectaculair. We bleven meer en meer scannen en werken aan dit project. We observeerden deze twee eenvoudige cellen die een ongelooflijke machinerie hebben en uiteindelijk een mens worden. Terwijl we bleven werken aan deze gegevens en kleine clusters van het lichaam observeerden, kleine stukjes weefsel: een trofoblast die loskomt van een blastocyst, en zich plots ingraaft in de zijkant van de baarmoeder en zegt: Ik ga hier nooit meer weg. Het spreekt en communiceert met de oestrogenen, de progesteronen: Ik ga hier niet meer weg, plant me. Het bouwt een ongelooflijke trilineaire foetus die binnen de 44 dagen iets wordt dat je kunt herkennen, en vervolgens op negen weken echt een kleine mens vormt. Het wonder van deze informatie: hoe komt het da ...

Et bien, l'ordinateur l'avait vu, et en fait, il l'a vu chez un sujet sur trois. On peut donc partir d'un visage anonyme, en ligne ou hors ligne, et on peut utiliser la reconnaissance faciale pour donner un nom à ce visage anonyme grâce aux données des réseaux sociaux. Mais quelques années auparavant, on a fait quelque chose d'autre. A partir des données des réseaux sociaux, combinées statistiquement avec les données de la Sécurité Sociale du gouvernement américain, on a réussi à déduire les numéros de sécurité sociale, ce qui est, aux Etats-Unis, une information extrêmement sensible. Vous voyez où je veux en venir ? Si vous combinez les deux études, la question devient : peut-on partir d'un visage et, en utilisant la reconnaissance faciale, trouver le nom et les informations disponibles de façon publique sur ce nom et sur cette personne, puis, à partir de ces informations publiques, en déduire des informations non publiques, beaucoup plus sensibles, que l'on peut relier au visage ? Et la réponse est, oui, on peut, et on l'a fait. Bien sûr, la précision est de pire en pire.
De computer in ieder geval wel, en die deed dat zelfs in één op de drie gevallen. We kunnen dus gewoon beginnen met een anoniem gezicht, offline of online, en gezichtsherkenning gebruiken om een naam te plakken op dat anonieme gezicht dankzij gegevens van sociale media. Een paar jaar geleden deden we iets anders. We begonnen met data van sociale media, en combineerden die met statistisch data van de Amerikaanse overheid over sociale zekerheid, en uiteindelijk konden we sofinummers voorspellen, wat in de Verenigde Staten extreem gevoelige informatie is. Volgen jullie mij? Als je de twee onderzoeken samenvoegt, dan wordt de vraag: kun je met een foto van een gezicht, met behulp van gezichtsherkenning een naam en openbaar beschikbare informatie over die naam en die persoon vinden, en uit die openbare informatie afgeschermde informatie afleiden, veel gevoeligere informatie, die je weer koppelt aan het gezicht? Het antwoord is ja, dat kunnen we, en dat hebben we ook gedaan. Natuurlijk neemt de nauwkeurigheid steeds meer af.

Pensez-y : ces 6,5 millions de messages, la détection automatique, via des processus de langage naturel, toutes ces données. Le pire jour de la semaine pour les désordres alimentaires est le lundi.
Ga maar na: 6,5 miljoen berichten, automatisch geïnterpreteerde natuurlijke taal. Al deze gegevens -- Ik kan je vertellen wat de ergste dag is voor eetstoornissen: maandag.

A TED 2009, Al Gore présente des diapositives mises à jour des dernières données, qui montrent que l'évolution du climat est encore pire que ce que les projections climatiques des scientifiques laissaient voir. Il donne aussi sa position, sans appel, sur le charbon propre .
Tijdens TED2009 toont Al Gore enkele nieuwe dia's uit de hele wereld, om te laten zien dat klimaattrends verontrustender zijn dan wetenschappers hadden voorspeld. Hij maakt eveneens zijn standpunt duidelijk over schone steenkool .

Comment l'analyse de données générales m'a permis de trouver les pires endroits où se garer à New York - TED Talks -
Hoe we de slechtste parkeerplekken in New York vonden - met big data - TED Talks -

La nouvelle génération d'appareils d'auto-contrôle high-tech (qui mesurent la fréquence cardiaque, le sommeil, le nombre de pas par jour) peuvent sembler destinés aux athlètes de haut-niveau. Mais Talithia Williams, une statisticienne, démontre de façon convaincante que nous devrions mesurer et enregistrer quelques données de notre corps tous les jours - car s'approprier ses propres données peut nous en apprendre davantage que tout ce que nos médecins peuvent savoir.
De nieuwe generatie van high-tech self-monitors (het meten van hartslag, slaap, stappen per dag) lijkt vooral geschikt voor wedstrijdatleten. Maar Talithia Williams, een statisticus, vindt dat juist iedereen, elke dag, de eenvoudige gegevens van zijn lichaam zou moeten meten en registreren - omdat onze eigen data wellicht meer kunnen onthullen dan onze artsen.

L'histoire classique, la première que beaucoup de gens ont relevée c'était quand, en mars, le 10 mars en fait, juste après TED, Paul Clarke, du gouvernement britannique, a blogué Oh, je viens de recevoir des données brutes. Les voilà, c'est à propos des accidents de vélo. Ça a pris deux jours au Times Online pour faire une carte, une carte composite, on appelle ces trucs des mash-ups, un mash-up, une interface utilisateur qui vous permet d'aller regarder pour voir si la piste cyclable qui mène à votre travail, était concernée. Il y a d'autres données, des données d'enquête de circulation encore, qui ont été diffusées par le gouvernement britannique, et comme ils les publient en utilisant les standards Linked data un utilisateur a la possibilité de créer une carte, juste en cliquant. Est-ce que ces données ont des effets ? Eh bien, en fait, revenons en 2008. Regardons le cas de Zanesville, Ohio.
Een klassiek verhaal, het eerste die veel mensen oppikten. was toen in maart, in feite de 10e maart, kort na TED, Paul Clarke, van de Britse overheid, blogged, Oh, hier heb ik nog wat ruwe gegevens, het gaat over fietsongelukken. Het kostte de Times Online twee dagen om een map te maken, een compilatie map -- we noemen deze dingen mash-ups -- een mashed-up user gebruiksomgeving die je in staat stelt om erin te duiken en te kijken en uit te vinden of jouw fietsroute naar werk werd beïnvloed. Hier is meer data, verkeersonderzoeksgegevens, wederom, gegeven door de Britse overheid, en omdat zij het opzetten met gebruik van de Linked Data standaarden waardoor een gebruiker gewoon een map kan maken, door te klikken. Hebben deze gegevens effect? Laten we teruggaan tot 2008. Kijk naar Zanesville, Ohio.

Mais avec un peu de chance, ces données finissent par être entrées dans l'ordinateur, et quelqu'un peut commencer à les analyser. Dès qu'ils ont une analyse et un rapport, si on a de la chance, on peut prendre les résultats de cette collecte et les utiliser pour vacciner les enfants plus efficacement. Parce qu'il n'y a rien de pire dans le domaine de la santé publique, je ne sais pas ce qui est pire que de laisser des enfants sur cette planète mourir de maladies que l'on peut éviter en les vaccinant, des maladies pour lesquelles les vaccins coûtent un dollar.
Maar uiteindelijk geraken die gegevens hopelijk in een computer en kan iemand beginnen ze te analyseren. Eens die analyse en het verslag klaar, kan je die gegevens gebruiken om kinderen beter te vaccineren. Ik kan me niet indenken wat erger is op het gebied van wereldwijde volksgezondheid, dan kinderen op deze planeet te laten sterven aan door vaccins te voorkomen ziekten, ziekten waarvoor het vaccin slechts één dollar kost.

Et je ne me rappelle pas du jour précis où nous avons consciemment pris la décision que nous allions réellement construire ces choses, mais une fois que nous avions cette idée en tête, de ce monde comme base de données, d'être capable de capturer des millions de points tous les jours décrivant l'économie mondiale, d'être capable de trouver des milliards de connexions entre ces données, qui n'ont jamais été repérées jusque là, ça semble juste ennuyeux d'aller travailler sur quoique ce soit d'autre.
Ik kan me niet herinneren op welke dag we een bewuste beslissing namen om daadwerkelijk satellieten te gaan maken. Toen het eenmaal tot ons was doorgedrongen dat de wereld een dataset is, dat we miljoenen gegevenspunten konden vastleggen die een beeld geven van de wereldeconomie, dat we miljarden verbindingen konden opdiepen die nog nooit eerder waren gevonden, leek het ons stomvervelend om met iets anders aan het werk te gaan.

Ce que j'essaie donc de vous montrer ici, ce sont les données d'une classe pilote à Los Altos, où ils ont pris deux classes de CM2 et deux classes de 4ème et ont complétement éventré leur vieux programme de maths. Ces enfants n'utilisent pas de manuels, ils ne reçoivent pas de cours à schéma unique. Ils travaillent avec la Khan Academy, ils utilisent ce logiciel, pour à peu près la moitié de leurs cours de maths. Je vous assure que nous ne voyons pas ça comme une formation complète en maths. Son intérêt est -- et c'est ce qui se passe à Los Altos -- de libérer du temps. Ça montre où sont les blocages et les facilités, ce qui rend sûr que vous maîtriser les systèmes d'équations, et ça libère du temps pour les simulations, les jeux, les mécanismes, la construction de robots, pour estimer la hauteur d'une colline en se basant sur son ombre. L'idée est donc que l'enseignant entre dans la classe chaque jour, chaque élève travaille à son propre rythme -- et c'est un réel tableau de bord de l'école du district de Los Altos -- et ils observent ce tableau. Chaque ligne est un élève. Chaque colonne est un des concepts. Le vert indique que l'élève est déjà compétent. Le bleu indique qu'il travaille dessus -- pas besoin de s'inquiéter. Le rouge indique qu'il est bloqué. Ce que fait l'enseignant, c'est littéralement dire : « Laissez-moi intervenir sur ces enfants dans le rouge. » Ou encore mieux : « Laissez-moi prendre un des élèves dans le vert qui est déjà compétent dans ce concept pour en faire la première ligne offensive et devenir véritablement le tuteur de son camarade. » (Applaudissements) Je viens d'une réalité basée sur les données, donc nous ne voulons pas que l'enseignant intervienne en ayant à poser des questions bizarres : « Oh, qu'est-ce que tu ne comprends pas ? » ou « Qu'est-ce que tu comprends ? » et tout le reste. Donc notre idée est de vraiment munir les enseignants d'autant de données que possible -- de réelles données qui, dans presque tout autre domaine, so ...
Wat ik jullie hier toon, zijn gegevens van een pilootschool in het schooldistrict Los Altos. Ze namen twee klassen van de 10-jarigen en twee van 12-jarigen en beenden hun oude wiskundecurriculum helemaal uit. Deze kinderen gebruiken geen handboeken. Ze krijgen geen eenheidsworst -lessen. Ze doen Khan Academy. Ze gebruiken de software voor ongeveer de helft van de wiskundeles. Laat me duidelijk zijn: we zien dit niet als de volledige wiskundeles. Het effect hiervan is -- en dat gebeurt in Los Altos -- dat er tijd vrijkomt. Dit is blokkeren en aanpaken, zorgen dat je een stelsel van vergelijkingen kan afwerken. Dat maakt tijd vrij voor simulaties, games, mechanica, robots bouwen, schatten hoe hoog die heuvel is op basis van zijn schaduw. Het paradigma is dat de leerkracht elke dag binnenkomt, dat elk kind op zijn eigen tempo werkt -- en dit is een live dashboard van het schooldistrict Los Altos -- en dat ze dit dashboard bekijken. Elke rij is een student. Elke kolom is een van die concepten. Groen betekent dat de leerling het al onder de knie heeft. Blauw betekent dat ze eraan werken -- komt in orde. Rood betekent dat ze vastzitten. En wat de leraar doet is letterlijk alleen maar zeggen: Laat me ingrijpen op de rode kinderen. Of nog beter Laat me een van de groene kinderen roepen, die dat concept al onder de knie hebben, om de eerste aanvalslinie te vormen en hun klasgenoten te coachen. (Applaus) Ik kom uit een omgeving die erg op data is gericht. We willen niet dat de leerkracht tussenbeide moet komen en het kind rare vragen moet stellen, als: Dus wat begrijp je niet? of Wat begrijp je wel? enzovoort. Ons paradigma is dat we de leerkrachten met zoveel mogelijk gegevens wapenen. Echte gegevens, zoals dat in ongeveer elk ander domein wordt verwacht, of het nu financiën, marketing of productie is. De leerkrachten kunnen vaststellen wat er fout gaat met de leerlingen. Zo kunnen ze hun interactie zo productief mogelijk maken.