Le fil

6 Ecoles universitaires de recherche pour l’ENSAE Paris et l’ENSAI

Ecosystème - 30 septembre 2019

Sur proposition d’un jury international, présidé par Sir Malcolm Grant, jusque récemment président de NHS England et ancien président de University College London, le Premier Ministre a retenu 24 lauréats au titre du Programme d’investissements d’avenir 3 (PIA 3). 81 candidatures avaient été déposées. L’ENSAE Paris et L’ENSAI, les deux écoles du Groupe des écoles nationales d’économie et de statistique, sont engagées dans 6 des 24 Ecoles universitaires de recherche (EUR) lauréates.

LENSAE Paris’ENSAE Paris participe aux 4 projets portés par l’Institut Polytechnique de Paris : Ingénierie biomédicale, Institut interdisciplinaire de l’Energie, Science et enseignement des Plasmas, Sciences des données pour les Sciences sociales. L’ENSAI participe à CyberSchool, EUR sur la cybersécurité portée par l’Université de Rennes 1 ainsi qu’à Digisport, EUR Digital Sport Sciences portée par l’Université Rennes 2.

Les Écoles universitaires de recherche offrent aux sites universitaires la possibilité de renforcer l’impact et l’attractivité internationale de leur recherche et de leurs formations dans un ou plusieurs domaines scientifiques. Les EUR rassemblent ainsi des formations de master et de doctorat adossées à des laboratoires de recherche de haut niveau.

Ces programmes de formation et de recherche ouvrent de nombreuses perspectives auxquelles DataStorm est fière de s’associer en tant que filiale d’expertise et de valorisation de la recherche de ENSAE Paris-ENSAI.

 

 

 

 

 

R&D
Voici shinydrive, le dernier-né des packages Datastorm

Dans la famille des packages shiny de Datastorm, voici le petit dernier : shinydrive. Le package shinydrive a été développé pour répondre à un besoin simple : faciliter le partage de fichiers entre différents utilisateurs d’une application R/shiny.

R&D
Functional Data : un potentiel encore peu exploré

La dernière matinée R&D de Datastorm était notamment consacrée aux données fonctionnelles. Elles peuvent apporter de nouvelles pistes de modélisation pour la prévision ou l’analyse. Le point avec Benoit Ravel, CEO de Datastorm.

Replay webinar : Anticiper les dérives de vos Modèles de Machine Learning grâce au MLOps

La multiplication des projets data et des algorithmes expose les entreprises à un risque aujourd’hui clairement identifié : la baisse de performance des modèles de Machine Learning. Il est pourtant capital d’anticiper les dérives de vos modèles et le Machine Learning Operations (MLOps) peut vous y aider. Dans ce nouveau webinaire, les équipes de Datastorm vous expliquent comment.

Toute l'expertise du Groupe ENSAE-ENSAI

Plateau de Saclay
5 Avenue Henry-Le-Chatelier
91120 PALAISEAU - FRANCE

Paris
24 rue Barbès
92120 MONTROUGE - FRANCE