Le fil

Méthodes de Clustering : quand les Travaux de DataStorm servent la Recherche Académique

Recherche académique - 17 mars 2019

Si la recherche fondamentale passe par la mise en œuvre de données produites sous hypothèse bien maîtrisée, il faut ensuite inscrire la méthode dans un périmètre de fonctionnement réel. C’est ce que DataStorm peut offrir aux chercheurs.

Ligne haute tension France

Stéphane Auray, Nicolas Klutchnikoff et Laurent Rouvière ont pu développer leurs recherches en prenant comme cas d’usage le contrôle des effacements diffus dans la distribution d’énergie.

Un exemple : afin de travailler sur le contrôle des effacements diffus dans la distribution d’énergie, DataStorm a sollicité Laurent Rouvière et Nicolas Klutchnikoff, Docteurs en Mathématiques appliquées et enseignants-chercheurs à l’Université de Rennes 2 ainsi que Stéphane Auray, Professeur des Universités et enseignant-chercheur en Economie à l’ENSAI. Les mathématiciens et l’économiste ont proposé des méthodes de clustering et de recherche des k plus proches voisins sur lesquelles ils avaient jusqu’ici travaillé de façon purement académique.

Une publication dans Electronic Journal of Statistics
Les résultats se sont révélés plus pertinents que ceux produits avec les méthodes disponibles sur le marché et ce cas d’usage leur a permis de publier un papier scientifique dans Electronic Journal of Statistics : https://projecteuclid.org/euclid.ejs/1424267116#info. Installé dans un cercle vertueux de recherche et de production opérationnelle, avec des leviers directs pour les métiers de ses clients, DataStorm continue d’explorer de nouveaux territoires scientifiques au service de l’innovation.

En savoir plus :
https://www.datastorm.fr/notre-expertise-360/

Stéphane Auray :
https://sites.google.com/site/stephaneauray/home

Nicolas Klutchnikoff :
https://klutchnikoff.github.io/

Laurent Rouvière :
https://perso.univ-rennes2.fr/laurent.rouviere

Replay webinar : Comment concilier Performance business et Règlementation grâce à l’Anonymisation des données ?

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.

« Les métiers de la data et de l’IA ne viennent pas assez à la rencontre des femmes »

Naomi Girard a rejoint la team Datastorm en 2018. Data scientist junior, elle explore toutes les facettes du métier avec un intérêt prononcé pour le Traitement du Langage Naturel et un avis éclairé sur les femmes dans la data. Rencontre.

Les exigences d’une Data Literacy réussie

Acculturer pour embarquer. Pour une entreprise, la Data Literacy est un levier puissant qui permet de partager une lecture et une compréhension commune des concepts, enjeux, processus et outils de la Data Science. Dans cet article, Benoit Ravel revient sur les incontournables de cette démarche.

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