Scikit-learn fournit une boîte à outils avec des implémentations solides d’un ensemble de modèles de pointe et permet de les connecter facilement aux applications existantes. Nous l’utilisons beaucoup pour nos recommandations musicales sur Spotify et je pense que c’est le package machine learning le mieux conçu que j’ai vu jusqu’à présent.

Erik Bernhardsson,
Engineering Manager Music Discovery & Machine Learning, Spotify

Scikit-learn est l’un des outils que nous utilisons lorsque nous intégrons des algorithmes standard pour les tâches de prédiction. Son API et ses documentations sont excellentes et le rendent facile à utiliser. Les développeurs de scikit-learn font un excellent travail en incorporant des développements de pointe et de nouveaux algorithmes dans l’outil. Ainsi, scikit-learn offre un accès pratique à un large éventail d’algorithmes et nous permet de trouver facilement le bon outil pour le bon travail.

Melanie Mueller, Data Scientist

Axa compte environ 300 data scientists mais sans doute plusieurs milliers d’utilisateurs internes de scikit-learn. Cet outil unique ouvre à nos actuaires des techniques supplémentaires de prédiction du risque, nous sert à accélérer les remboursements de sinistres automobiles ou à détecter les fraudes à l’assurance. C’est le couteau suisse du machine learning ! De plus, il est open source et issu d’un organisme scientifique public. Ainsi, nous ne sommes pas soumis au bon vouloir d’un éditeur et nous bénéficions d’une totale impartialité. Dans un tel contexte, notre participation au consortium s’imposait. Nous ne pouvions pas utiliser scikit-learn sans jamais contribuer à son développement.

Marcin Detyniecki , Directeur de la R&D d’Axa

Notre startup a vu le jour en 2013 avec une offre de plate-forme collaborative de data science qui va de l’acquisition des données au déploiement des modèles prédictifs en production. Pour la partie machine learning, nous avons préféré scikit-learn au développement de notre propre solution. En effet, nous faisions déjà partie de sa communauté d’utilisateurs et cela garantissait aussi une certaine transparence des algorithmes, très appréciée de nos clients, car ils peuvent comprendre la logique des outils qu’ils manipulent. Autre atout du logiciel, sa documentation est si bien faite qu’elle permet à un novice de se former au machine learning mieux et plus vite qu’avec un cours classique.

Léo Dreyfus-Schmidt, Directeur de la recherche de Dataiku