Projets data science, 2015-2026
65 projets, dans l'ordre où ils ont été faits : des premiers scripts R et Python aux plateformes de données de football publiées en ligne. Chaque carte ouvre une page qui explique le projet et le montre en action.
Les débuts
Tout commence par une passion : le sport. Les premières applications Shiny classent les clubs de football, des fiches NBA s'écrivent toutes seules et Twitter devient le premier terrain d'analyse de texte.
Exercices Python
Exercices Python : parsing, API Twitter, numpy.
NBA
Données et analyses NBA, dont un générateur de fiches PDF par joueur en R Markdown.
Shiny Soccer
Application Shiny de statistiques de football (classements, joueurs, budgets) et scripts de récupération.
Analyse de tweets : débat présidentiel de 2017, tweets de Donald Trump, provenance des tweets du Super Bowl 50, et sentiment avec les lexiques NRC.
Shiny, D3 et données ouvertes
Les ambitions grandissent : D3.js s'invite dans Shiny, le chômage de chaque commune luxembourgeoise prend place sur une carte, les abonnés des chaînes YouTube du rap français sont relevés jour après jour et les cinq grands championnats sont collectés saison par saison.
Championnats 2012-2019
Statistiques des joueurs et gardiens des cinq grands championnats, saison par saison (2012-2019), récupérées sur Squawka, avec les calendriers.
Chômage par commune
Le taux de chômage de chaque commune luxembourgeoise de 2001 à 2015 (STATEC), sur une carte.
Cinéma
Scraping de données de films et code d'un article.
D3 dans Shiny
Intégration de graphiques D3.js dans des applications Shiny : embauches de travailleurs étrangers, fret, production d'acier.
Essais Selenium
Essais d'automatisation de navigateur avec Selenium en R : LinkedIn, Colruyt, traduction.
YouTube
Relevés quotidiens des abonnés des chaînes YouTube du rap français en 2017.
Mettre les chiffres en mouvement
Les données prennent vie : une course de barres anime les ventes de voitures neuves au Luxembourg, et une carte interactive suit les captures de pêche européennes, zone par zone.
Game of Code 2018
Hackathon Game of Code 2018 sur les données ouvertes luxembourgeoises (data.public.lu) : logement, loyers, bus, parkings relais, émissions.
Immatriculations de voitures neuves
Ventes de voitures neuves au Luxembourg par marque et par trimestre, et une course de barres D3 des marques.
Pêche mondiale
Les captures de pêche des pays européens de 2010 à 2017 par zone de pêche FAO, par pays et par espèce.
Des données pour comprendre
Chaque projet part d'une question. Où sont les entreprises luxembourgeoises et que font-elles ? Comment circulent les vélos de Seattle ? Pourquoi une poignée de causes fait-elle l'essentiel des effets ?
Déforestation à Suceava
La déforestation du județ de Suceava (Roumanie) de 2001 à 2016, commune par commune, en carte animée.
Pareto
Description d'un phénomène de Pareto sur un extrait de données européennes.
Répertoire des entreprises
Les entreprises luxembourgeoises géolocalisées et classées par activité NACE, avec leur effectif.
Vélos de Seattle
Les trajets du vélo en libre-service Pronto à Seattle (2014-2016), avec les stations et la météo.
Transmettre
Partager devient aussi important que construire : un cours de R complet, en diapositives, voit le jour. Côté projets, le marché immobilier luxembourgeois se cartographie et le réseau d'actionnariat du CAC 40 se dévoile.
Actionnaires du CAC 40
Les liens d'actionnariat entre les entreprises du CAC 40, en réseau interactif.
Bases relationnelles
Bases d'exemple pour enseigner le SQL : AdventureWorks, Contoso, Sakila, bike store, ventes Adidas.
Cours de R (BDL)
Un cours de R complet en diapositives : bases, import, graphiques, storytelling, R Markdown, highcharter, leaflet, rvest, Shiny.
Formation R
Formation R et SQL : import, stringr, analyse de données, graphiques, rapports, Shiny.
Formation R au STATEC
La formation R, dans sa version donnée au STATEC.
Immobilier au Luxembourg
Collecte et nettoyage des annonces immobilières luxembourgeoises (atHome, immotop, wort) et application de recherche : carte des annonces par commune et tableau filtrable.
Présentation PP
Une présentation en R Markdown.
Des applications utiles
Des outils pensés pour servir : une course de barres sur n'importe quel jeu Eurostat, les services de proximité du Luxembourg sur une carte. Et des modèles : le prix des logements, le sentiment des tweets, l'e-commerce brésilien.
Analyse de sentiment
Modèle de classification du sentiment de tweets (positif / négatif), entraîné sur le jeu Sentiment140 (1,6 million de tweets).
Bar chart race
Application qui transforme n'importe quel jeu de données Eurostat en course de barres animée avec drapeaux (D3 dans Shiny), ici sur les nuitées touristiques.
Carte des services
Cartes Leaflet des écoles de musique, conservatoires, aires de jeux et points de service de POST Luxembourg.
Modèle de prix atHome
Modèle des prix immobiliers luxembourgeois à partir des annonces atHome, et explication des variables qui font le prix.
Olist
Le jeu de données e-commerce brésilien Olist : commandes, paiements, livraisons.
Scraper et raconter
La collecte s'accélère (restaurants TripAdvisor, produits Colruyt) et les histoires se multiplient : trente ans de commerce extérieur du Luxembourg, les accidents de la route en France, les paniers d'achat, l'enquête Kaggle, la portée des posts LinkedIn.
Accidents de la route en France
Les accidents corporels de la circulation en France (fichiers BAAC) : quand, où et dans quelles conditions ils ont lieu.
Analyse de panier d'achat
Analyse de panier d'achat (quels produits sont achetés ensemble) sur les données Olist, en Python.
Commerce extérieur du Luxembourg
Exportations et importations de marchandises du Luxembourg par pays partenaire depuis 1993 (Eurostat Comext) : carte de la balance commerciale, évolution par pays et produits échangés.
Exemples reproductibles
Petits exemples R et Python reproductibles : simulations, lecture de shapefiles, dates, fichiers Excel multi-onglets.
Geeks bot
Un bot en Python.
Kaggle Survey 2022
L'enquête annuelle de Kaggle sur les métiers de la data science et du machine learning.
Posts LinkedIn
Nettoyage et analyse de l'export des posts LinkedIn : impressions, interactions, type de contenu, hashtags.
Produits Colruyt
Scraping du catalogue de produits Colruyt (catégories, marques, prix, Nutri-Score).
Restaurants TripAdvisor
Scraping des restaurants luxembourgeois sur TripAdvisor : note, nombre d'avis, cuisine et gamme de prix.
Vidéos portfolio
Démonstrations vidéo de dashboards réalisés avec Shiny, Tableau et Data Studio.
Comparer pour se situer
Un radar pour mesurer ses compétences face aux métiers de la data, les annonces Airbnb de Paris quartier par quartier, et une question de sport qui fâche : l'argent fait-il le classement ?
Airbnb Paris
Les annonces Airbnb parisiennes (Inside Airbnb, quatre relevés de 2023) : prix, quartiers, types de logement.
Art et voix
Scraping d'œuvres d'art françaises (1700-1850), synthèse vocale, conversion de voix et synchronisation des lèvres (Wav2Lip), dans une petite application.
Présentation R (reveal.js)
Une présentation de R en diapositives reveal.js : R Markdown, highcharter, leaflet, purrr, analyse de texte, rvest.
Radar des compétences data
Chacun note ses compétences de 1 à 10 et se compare aux profils types des métiers de la data (Data Engineer, ML Engineer, Data Scientist, Data Analyst).
Super League
Budget, salaires et classement : la NBA (ligue fermée) comparée aux championnats européens de football, pour mesurer à quel point l'argent fait le classement.
Automatiser et mesurer
Les métriques LinkedIn remontent seules dans Notion, les taux journaliers des freelances se cartographient, et le football revient au premier plan avec les xG et xA des meilleurs joueurs d'Europe.
Content creation
Génération automatique d'images et de vidéos avec texte incrusté pour les réseaux sociaux.
Finances de clubs
Extraction des comptes annuels de clubs de football (Leicester, Manchester United…) à partir de leurs rapports financiers en PDF.
form2calculator
Application Streamlit qui transforme un modèle Excel (calculateur de vitrage) en formulaire et rend le fichier rempli.
Métriques LinkedIn
Récupération des métriques de mes posts LinkedIn (vues, réactions, commentaires) et mise à jour d'un calendrier éditorial dans Notion, avec les outils naas.
TJM des freelances
Les taux journaliers des freelances IT en France par métier, expérience et région, avec un classeur Tableau et des cartes.
xG et xA
Récupération des xG et xA des joueurs sur FBref (Ligue des champions et top 5) et graphiques en R : quadrants, sucettes, séries de tirs cadrés.
Le football en données
Une vraie collecte de données de football se construit : FotMob, WhoScored, la Ligue 1 consolidée, une application d'analyse de matchs et des dashboards Tableau sur le Real Madrid.
App Foot
Données consolidées de Ligue 1 2024-2025 (matchs, joueurs, événements WhoScored) préparées pour une application.
Application d'analyse de matchs (Streamlit)
Application Streamlit d'analyse des matchs de LaLiga 2024-2025 à partir de fichiers parquet (matchs, joueurs, événements, métriques), avec un dashboard post-match.
Dashboards Tableau du Real Madrid
Dashboards Tableau (fichiers .twb) sur les matchs du Real Madrid 2024-2025 : événements, joueurs, valeurs marchandes, avec des fonds de terrain dessinés pour l'occasion.
FotMob
Notebook qui récupère les données FotMob des matchs : métadonnées, statistiques et chaque tir avec son xG.
WhoScored
Notebooks qui retrouvent les URL des matchs WhoScored et en téléchargent les événements et les joueurs, avec quelques visualisations.
Une plateforme complète
Tout s'assemble : un entrepôt de données (MotherDuck, dbt), des matchs en 3D, le parcours des tirs, Transfermarkt, le Ballon d'Or, Luxembourg en 3D et un podcast quotidien, publiés sur data-workers.com.
Ballon d'Or
Les classements complets du Ballon d'Or de 1976 à 2026, récupérés sur Wikipédia, enrichis du poste, de la photo et du drapeau de chaque joueur.
Chronique Finance & Tech
La fabrication automatique du podcast quotidien de Data Workers : chaque jour ouvré, l'actualité finance et tech reçue par e-mail est filtrée, résumée, mise en voix (ElevenLabs) et publiée dans un flux repris par Apple Podcasts et Spotify.
Foot 3D
Pipeline de données d'un match de football et portrait 3D génératif.
foot_db
Projet dbt qui transforme les données brutes des matchs (bronze) en tables typées (silver) puis en tables d'analyse (gold) dans MotherDuck : matchs, joueurs, équipes, classements, statistiques par 90 minutes.
Le Ballon d'Or par championnat
Une vidéo de data storytelling sur les championnats des joueurs classés au Ballon d'Or depuis 1976.
Les championnats sur la carte
Cinquante saisons de championnat de France, d'Angleterre et d'Espagne, de Ligue des champions et de NBA sur une carte interactive.
Luxembourg par âge
Les 23 373 bâtiments de la ville de Luxembourg en 3D, extrudés à leur hauteur et colorés par année de construction, avec l'histoire de la ville et de ceux qui l'ont gouvernée.
Parcours des tirs
Sankey « Shot Flow » des tirs d'un joueur : zone → situation → surface de frappe → résultat, puis passeur, façon de marquer et phase du but.
Site Data Workers
Le site data-workers.com : blog, articles et pages des projets publiés.
Transfermarkt
Récupère sur Transfermarkt les clubs d'une compétition, leurs effectifs et la fiche de chaque joueur (profil, contrat, valeur marchande, transferts, trophées), puis les charge dans MotherDuck.