Livres en anglais

L’ouvrage «  Mastering Geospatial Development with QGIS 3.x » s’adresse aussi bien à des débutants qu’à des utilisateurs avancés. Cependant, une connaissance des logiciels de traitement de données géospatiales ainsi que de Python est prérequise.

Le livre est décomposé en quatre grandes sections pour un apprentissage autonome et en douceur de QGIS. L’introduction permet de faire un tour d’horizon de QGIS et explique comment installer le logiciel sur tous les systèmes (Window, macOS, Ubuntu et Android) ou alternativement, comment l’utiliser dans le navigateur Web. De plus, les auteurs détaillent les différences entre les versions 3.0, 3.4 et 3.6. Une fois cette partie introductrice passée, le lecteur apprendra comment charger et visualiser les différents types de données géospatiales supportés par QGIS, comment travailler avec les systèmes de coordonnées et comment ajouter des plugins.

La deuxième section permet de connaître les principales fonctionnalités de QGIS, comment manipuler les données raster, vecteurs et les bases de données associées aux images géospatiales. Ainsi, le lecteur apprend à les créer, les éditer, personnaliser leur affichage et les afficher afin de faciliter un traitement ultérieur.

La troisième section revient sur les aspects précédents en apportant moult détails sur l’utilisation des nombreux outils offerts par QGIS. Ainsi, cette partie apporte des précisions sur le géoréférencement, la vérification et la correction des données topographiques et ainsi de suite.

La quatrième section, c’est la touche finale, le moment où vous devenez un « maître ». Évidemment, cette partie continue dans l’approfondissement des notions déjà vues et détaille les boîtes à outils telles que GRASS et SAGA. Pour cela, les auteurs expliquent, à l’aide de scénarios réels, comment les utiliser. Aussi, c’est dans cette partie que vous pourrez automatiser votre flux de travail ou encore, créer des plugins pour augmenter les capacités de l’application ou l’adapter à votre besoin. Cet aspect est d’ailleurs bien détaillé et tous les éléments nécessaires à l’écriture de scripts avec PyQGIS ou l’écriture de plugin y sont couverts. Ainsi, le lecteur pourra même y lire une explication sur la façon de configurer un environnement pour développer et déboguer des scripts PyQGIS.

En bref, «  Mastering Geospatial Development with QGIS 3.x » est un livre complet permettant de prendre en main et même de maîtriser le logiciel qu’est QGIS. Seul bémol : on aurait pu espérer quelques exemples et captures d’écrans supplémentaires.

Il est à noter aussi que ce livre est écrit dans un anglais facile à comprendre et que le lecteur peut lire les chapitres dans l’ordre qu’il souhaite.

Selon moi, cet ouvrage peut convenir à un public « tout niveau »… il constitue à la fois une bonne base pour débuter, grâce à des chapitres d'introduction et des présentations pratiques aux difficultés croissantes, mais également un aide-mémoire précieux et complet, à la limite du manuel de référence illustré.
Après une introduction « historique » à , le lecteur y trouvera les explications des commandes simples, ce qui est utile pour faire déjà beaucoup de graphiques en pratique… puis pourra les illustrer de nombreuses « décorations » détaillées dans la suite de l'ouvrage, qui lui donnera alors les outils pour arriver à un résultat complexe avec un « simple » script et un fichier de données (ce qui constitue la force de GnuPlot).
J'ai toutefois une critique à exposer… je trouve que la partie consacrée à l'intégration de GnuPlot dans d'autres applications via des langages comme Perl ou Python est trop élémentaire. On y trouve de quoi pouvoir faire les opérations manuellement, sans réelle intégration ou avec l'obligation de devoir se créer sa propre interface. Il aurait pourtant été possible de continuer en expliquant qu'il existait dans ces langages de haut niveau des outils adaptés à cette tache.
As for me, this book may be suitable for an audience of any level… it is both a good basis to start with presentations with growing difficulties, but also a kind of valuable reference manual illustrated.
After a historical introduction, the reader will find explanations of simple commands, which are useful for a lot of graphics in practice… then he will be able to add some beautiful options detailed later in the book, and to achieve a complex result with a « simple » script and a data file (which is the strength of GnuPlot).
However, I have one criticism… I think the section on integrating GnuPlot in other applications via programming languages such as Perl or Python is too basic. There is enough for handmade operations, but there is no real integration. Thus the interested reader will have to create its own interface, whereas the author should have explained hwo to use the suitable existing tools in the available modules.

Lorsqu'on est confronté à un nouveau jeu de données, la question est de savoir comment l'analyser. Un grand nombre de livres proposent des solutions théoriques, celui-ci apporte des pistes pratiques. De plus, il n'utilise pas un outil commercial, mais des outils open source téléchargeables sur Internet.

Le livre est découpé en quatre parties. Chaque fois, la difficulté augmente, et il est possible de s'arrêter au moment opportun. Dans presque chaque chapitre, l'auteur utilise quelques pages pour appliquer ses explications à l'aide d'un outil open source.

La première partie est dédiée aux aspects graphiques. C'est à mon avis une des meilleures manières de comprendre les données, et il semble que ce soit aussi un peu le cas de l'auteur. Les différentes solutions sont expliquées, des histogrammes aux graphes 2D complexes comme les graphes de coordonnées parallèles. Le dernier chapitre est une analyse complète (et efficace) de l'utilisation des graphiques pour expliquer et comprendre un jeu de données. Je dois dire que j'ai été surpris de voir la proximité entre le signal estimé et le signal de départ.

La deuxième partie aborde la difficile question des modèles. Elle a un peu démarré dans le dernier chapitre de la première partie, et elle va naturellement plus loin. C'est principalement une question de statistiques, avec l'application de la théorie mean-field (ou au lieu de faire la moyenne des valeurs d'une fonction, faire la fonction de la moyenne des données), et ensuite l'aspect compliqué des probabilités et des statistiques. J'ai été ravi de voir l'approche de l'auteur sur ce dernier sujet, la théorie de Bayes étant bien abordée, au point qu'il n'est plus possible d'être en désaccord avec cette théorie à la fin de l'explication. Le dernier chapitre est une petite application des diverses théories, peut-être un peu moins pratique que l'exemple de la partie précédente mais tout de même utile.

La troisième partie s'occupe de la découverte de ce qui est sous-jacents dans les données. Elle commence par la technique utile de Monte-Carlo. Elle est peut-être coûteuse, mais elle effectue un levier sur la connaissance pour résoudre une question statistique. L'étape suivante est la découpe des données en clusters et l'utilisation d'outils de réduction de dimensionnalité pour trouver des espaces sous-jacents intrinsèques. Comme ce point faisait partie de ma thèse de doctorat, j'ai été déçu de ne trouver que des outils simples, voire obsolètes, mais il n'est pas possible d'aborder les outils complexes dans un tel livre. Il y a trop de sujets où on pourrait creuser (même si l'auteur est allé assez loin pour les graphiques).

La dernière partie est dédiée à l'utilisation concrète des données. Il y a des chapitres qui ne sont pas vraiment "data analysis with open source tools" (mais il y avait aussi de telles pages dans les parties 2 et 3, tout en étant simples et utiles pour quelqu'un qui voudrait prendre le train de l'analyse de données). Le dernier chapitre revient aux outils comme les Support Vector Machines ou les Bayesian Networks. Comme je l'ai dit avant, le livre n'est pas l'endroit approprié pour expliquer en détail ces algorithmes, mais ils doivent être mentionnés après les premiers chapitres de cette partie pour comprendre leur application sur des problèmes concrets.

L'analyse de données est un problème complexe, et il y a un besoin d'explications pour comprendre les différents outils (potentiellement Open Source). C'est ce qu'accomplit efficacement ce livre.

When faced with a new dataset, the issue is to find how it should be analyzed. A lot of books addresses the theoretical way of doing it, but this book gives practical clues to do it. Besides, it isn't based on commercial tools like MATLAB, but on open source tools that can be freely downloaded on the Internet.

The book is split in four parts. Each time the difficulty increases, and one can stop at the point one needs for one's purpose. In almost each chapter the author spends some pages applying his explanations with the help of open source tools.

The first part is dedicated to graphics. It is IMHO one of the best ways to understand the data, and it seems that the author shares at least a bit of this opinion himself. The different aspects of graphics are explained, from histograms to complex 2D graphs like parallel coordinates plots. The last chapter is a complete (and efficient) way of using graphics to explain and understand a dataset, instead of using complex analytical tools. I have to say I was surprised to see how close the estimated signal was from the original at the end.

The second part tackles the difficult issue of models. It started with the last chapter of the precedent part, and it goes one step further. It is mainly a matter of stats, with the application of the mean-field theory (or instead of doing the average of the value of a function, get the function's value for the mean of your data), and then the tricky aspect of probabilities and its counter-part statistics. I was delighted to see the author's approach on this last subject, as Bayesian theory is nicely introduced, and you can't disagree with Bayesian statistics after this chapter. The last chapter of this part is a small application of the different theories, perhaps a little bit less practical than the last chapter of the first part, but nonetheless useful.

The third part handles discovering what is behind the data. It starts with a useful technique, Monte Carlo simulations. It may be (very) costly but it is capable of leveraging the knowledge you have to solve a statistic question (is this result possible if I have this experiment setup?). The next step is splitting data in clusters and using dimensionality tools to find an intrinsic emebedded space. As the last one was part of my PhD thesis, I was disappointed to see only simple or almost outdated techniques,but you can't tackle complex algorithms in such a book. There are too many scientific topics where you could go further (although the author went rather far in the graphics part).

The last part tackles the actual use of data. There are parts that are not actual "data analysis with open source tools" (but there were also such pages in the second or the third part, and they were incredibly simple and useful for someone who wants to jump inside the data analysis wagon). The last chapter handles complex tools as Support Vector Machines or Bayesian Networks. As I've said before, the book is not the place to explain everything about those tools, but they have to be mentioned after the first chapters of this part so that one can understand how they can be applied on actual problems.

Data analysis is a difficult topic, and there is a need for explanations to understand the different theoretical and open source tools. This is what the book achieves efficiently.

Première impression en ouvrant ce livre : il va vraiment au fond des choses. L'auteure n'hésite pas à ponctuer son texte d'expressions comme « vous en apprendrez plus que vous ne l'auriez jamais voulu » - vraiment, c'est très exactement ce qu'elle fait ! Ainsi, le lecteur se trouvé plongé dans les arcanes du logiciel, dans les palettes d'outils plus que pléthoriques - tous y passent, certains sont développés sur une section plus large que d'autres, étant par nature plus indispensables (comme les brosses), tandis que d'autres n'ont droit qu'à un encart, tel l'outil d'accentuation (un filtre d'accentuation associé aux masques donnant un résultat bien meilleur).

Avant d'aborder des notions plus pointues, quelques concepts sont prérequis ; quand certains vous laissent aller sur le Web faire une recherche sur le sujet, ce Missing Manual veut tout couvrir : vous apprendrez en profondeur toutes les bases nécessaires à la compréhension du fonctionnement de certains outils, filtres ou techniques. Cela n'étant évidemment pas sans but : sans ces connaissances, seul le flair pourrait guider l'utilisateur jusqu'au résultat désiré ; avec ce livres, vous ne serez plus livré aux aléas du « pifomètre », vous saurez quel outil utiliser à quel moment et pourquoi - très exactement l'objectif avoué du livre.

Le style, assez simple et sobre, ne vire pas dans le moindre excès, permettant à tout lecteur un peu aguerri de l'anglais de s'y plonger tête baissée : n'allez pas acheter un autre livre sous le prétexte qu'il est en français. Il y a très peu de chances qu'il soit meilleur que celui-ci, qu'il soit autant à la portée de tous que celui-ci.

Cependant, il ne faut pas croire que, ici, tout est rose. Il y a quand même quelques points plus noirs. Notamment, les trois appendices sont relégués en ligne. Peut-être pour sauver l'environnement, abaisser un peu le prix du livre... mais nettement moins lisible. Si tels étaient les objectifs, il aurait mieux valu tout laisser en ligne. Ensuite, l'absence de CD : quelques fichiers que l'auteure traite et maltraite dans l'ouvrage sont disponibles en ligne, pas de CD accompagnant. La dernière page statue qu'il s'agit là de cinq dollars économisés. Dernièrement, les renvois : chaque page recèle un bon nombre de renvois à d'autres sections du livre, pour plus de détails sur un sujet, pour renvoyer à ce qui a déjà été dit ; louable objectif s'il en est. Cependant, la fréquence de ces rappels n'est pas sans gêner la lecture ; un petit tour dans l'index, fort bien construit, ne nécessiterait pas beaucoup plus de temps et facilite la lecture. Sans oublier le lot de frustrations : page 133, voir une référence jusqu'à la page 388, qui ne viendra que bien plus tard dans une lecture séquentielle du livre. Cela n'est pas sans souligner une autre caractéristique de l'ouvrage : il est conçu à la fois pour être une référence rapide lors du travail quotidien et pour être un livre d'apprentissage de Photoshop, c'est en cela qu'il s'adresse autant aux débutants qu'aux utilisateurs plus avertis.

Remarquons aussi qu'il est organisé de telle sorte que tout utilisateur puisse l'utiliser : les photographes, notamment, auront une liste de chapitres qui leur seront plus utiles que les autres, tandis que les webdesigners auront des parties qui leur sont plus dédiées qu'aux autres usages de Photoshop. Le tout enrobant quelques pépites de tutoriels étape par étape sur l'utilisation d'un outil, sur un effet, etc.
Pour les experts, des sections Power User Clinic sont incluses ; d'autres boîtes sur des sujets parents, voisins ou un peu plus éloignés mais toujours pertinents sont aussi là pour vous guider, vous expliquer certains choix, certaines autres possibilités.