La technologie 3D ne sert pas uniquement à fabriquer des pièces en plastique. Pour un scientifique des données, elle permet de visualiser des modèles complexes en trois dimensions, facilitant la détection de motifs qui passent inaperçus sur un écran plat. Par exemple, en analysant la distribution spatiale des ventes dans une ville, une maquette imprimée révèle des zones de haute densité qu’un graphique 2D cache.
Visualisation tactile des données avec Blender et Python 🧊
Le flux de travail commence dans Python, où les données sont traitées avec des bibliothèques comme Pandas et NumPy. Ensuite, elles sont exportées vers Blender, qui convertit les variables en maillages 3D. Une fois la géométrie modélisée, un logiciel de tranchage comme Cura ou PrusaSlicer est utilisé pour générer le code G. L’imprimante 3D, qu’elle soit FDM ou SLA, matérialise l’ensemble de données en un objet physique. Cela permet de tenir dans la main la corrélation entre les variables, ce qu’un nuage de points n’offre pas.
Le jour où ton patron te demande une maquette de la base de données 🖨️
Imagine maintenant que ton patron arrive et te demande : j’ai besoin de toucher les données. Tu lui remets une sphère couverte de pointes qui représente l’écart type des ventes du trimestre. La tête qu’il fait en ne sachant pas par où la prendre est la même que lorsque tu lui expliques ce qu’est un réseau neuronal. Mais attention, si l’impression échoue et que la sphère sort déformée, tu lui dis que c’est un modèle de régression polynomiale. Personne ne discute avec des pièces imprimées.