Categorie - Expertise

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.

Pourquoi anonymiser ? Choix de la méthode ? Comment mettre en oeuvre la k-anonymisation ? Comment outiller un département/une activité pour mener des études avec la confidentialité différentielle ? Dans ce webinar animé par Benoit Ravel, Thibaut Dubois et Martin Masson partagent leur expertise et vous expliquent comment trouver le point d’équilibre entre la maîtrise des risques d’identification et la conservation des capacités d’analyse et de valorisation des données.

WEBINAR – mardi 13 octobre à 11h – Pourquoi anonymiser ? Choix de la méthode ? Comment mettre en oeuvre la k-anonymisation ? Comment outiller un département/une activité pour mener des études avec la confidentialité différentielle ? Les réponses lors de ce webinar organisé en lien avec notre Livre Blanc publié début septembre.

Une application de Machine Learning apporte un défi par sa nature imprévisible et aléatoire : un modèle doit s’adapter aux données qu’il représente et les données sont en constante évolution. Il est alors primordial de recalibrer le modèle avant qu’il ne sous-performe. Cet article présente des solutions concrètes de maintenance de modèles en production.

Benoit Ravel, CEO de Datastorm, Stéphane Auray et Vincenzo Caponi, deux enseignants-chercheurs en Economie à l’ENSAI, proposent trois spécifications différentes pour étudier l’élasticité‑prix de l’électricité. Leurs travaux sont publiés dans le dernier numéro de la revue Economics & Statistics de l’Insee. La concurrence et le changement climatique étant des facteurs de plus en plus importants […]

Opérateur gérant la majorité du réseau de transport de gaz en France, GRTgaz a monté un Datalab avec pour objectif de mesurer l’apport des approches « data » pour les différents métiers. Datastorm accompagne le Datalab de GRTgaz depuis sa création en 2016. Les équipes de Datastorm ont ainsi pu réaliser différents projets sur des […]

Le 15 janvier dernier à Sciences Po, la chaire PARI lançait officiellement son programme de recherche 2018-2021. La Conférence inaugurale réunissait notamment Maud Bailly et Gilles Babinet autour des enjeux du Big Data pour l’assurance. Le Big Data, dit-on, va changer le monde. Les modèles explicatifs développés par l’économie ou la psychologie depuis des décennies […]

Benoit Thieurmel, responsable R&D de Datastorm, est l’un des dix co-auteurs de l’ouvrage « R pour la statistique et la science des données », publié aux Presses Universitaires de Rennes sous la direction de François Husson. Le logiciel R est un outil incontournable de statistique, de visualisation de données et de science des données tant […]

Lire l’article complet sur Variance, le webzine de ENSAE Alumni. « L’essentiel des fonctions du véhicule de demain ne sera pas lié au fait de conduire ». Guillaume Devauchelle et Vanessa Picron, directeur de l’Innovation et directrice Driving Assistance Research de Valeo partagent leur analyse du rôle de l’IA dans l’industrie automobile lors du colloque […]

ENSAE Junior Études est devenue meilleure Junior-Entreprise de France en remportant le Prix d’Excellence, décerné lors du Congrès National d’Eté qui a rassemblé plus de 1000 Junior-Entrepreneurs venus de toute la France. En finale, elle était opposée à l’INSA Lyon, l’EM Lyon et Centrale-Supélec. Le jury était composé des entreprises BNP, Alten, EY et ENGIE. […]