Intelligence artificielle Découvrez Qscore, la plateforme opensource développée pour les concours de Datascience par...

Pour approfondir le sujet

Sur le même thème :

Le Meilleur Data Scientist de France : Christophe Bourguignat nous en dit plus sur la compétition qui revient le 31 mai

La compétition le Meilleur Data Scientist de France revient pour une nouvelle édition le 31 mai prochain dans les locaux de Station F. À...

Challenge « Industrie du Futur », une deuxième édition autour de 7 thématiques : cybersécurité, data science, usine connectée…

Atos, ArianeGroup et SKL ont annoncé le lancement d'une deuxième édition du challenge « Industrie du Futur ». Cybersécurité, data science, usine connectée, l’humain...

Prevision.io dispute aujourd’hui la finale du Create@ Alibaba Cloud Startup Contest en Chine

En septembre dernier Prevision.io remportait le Create@Alibaba Cloud Paris Startup Contest 2018 organisé par Alibaba Cloud et OuiCrea. Cette startup française spécialiste du machine learning automatisé,...

JetBrains propose DataSpell, son nouvel environnement de développement dédié à la data science

JetBrains, un éditeur de logiciels pour développeurs, présente en mode preview, son nouvel environnement de développement (IDE) intitulé DataSpell. Dédié à la data science,...

Découvrez Qscore, la plateforme opensource développée pour les concours de Datascience par Zelros

Qscore est une plateforme opensource dédiée aux concours de Datascience. Elle a été développée par la startup Zelros, qui révolutionne l’usage de l’Intelligence Artificielle chez les Assureurs et a récemment remporté le prix de la startup IA de l’année, par l’argus de l’Assurance.

Cette plateforme est utilisée pour des concours internationaux comme le Data Science Game et le Meilleur Datascientist de France organisé par FrenchData, ainsi que des challenges internes d’entreprise.

Fabien Vauchelles, concepteur de QScore et co-fondateur de la startup Zelros, nous a présenté la plateforme et expliqué son usage pour les concours de Data Science.

Comment est née la plateforme Qscore ? 

L’idée est apparue en 2016 pendant le Meilleur Datascientist de France. A l’époque, nous avions mis un point d’honneur à assurer sur la logistique : le wifi et l’électricité ne devaient pas tomber (la crainte majeure dans ce type d’évènement est une panne dans les dernières minutes). Mais nous avions négligé un aspect : les plateformes de Data Science en ligne ne sont pas adaptées à des concours en format court (2h).

Pendant la dernière minute, les participants envoient plus de 300 soumissions ! Malheureusement, la plateforme n’a pas tenu la charge et nous avons demandé aux participants d’envoyer leur solution par email

Pour l’édition suivante, nous devions avoir une plateforme qui passe à l’échelle (scalable). Et 10 semaines avant l’édition 2018 du Meilleur Datascientist de France, nous avons commencé le développement de notre plateforme. Nous avons choisi la même stack technique que chez Zelros : Python / Node.js / Angular / Postgres / RabbitMQ. Qscore était née !

Quelles sont les fonctionnalités de la plateforme ?

QScore propose les fonctionnalités classiques d’un concours de Data Science : la création d’un challenge de Data Science, la consultation des soumissions, la gestion des utilisateurs, l’acceptation d’un accord de confidentialité par chaque participant, etc. Sa particularité est d’être performante sur les concours en format court.

  • Scalabilité

C’est la fonctionnalité la plus critique et la plus complexe à réaliser ! Comment s’assurer que la plateforme ne s’écroulera pas en conditions réelles, sans avoir la possibilité de la tester en amont ? (grand moment de solitude)

Après plusieurs tests d’architecture, nous avons choisi une solution distribuée avec un HAProxy et de la répartition de charge sur RabbitMQ (une architecture assez proche de celle utilisée chez Zelros). Pour tester la charge, nous avons bombardé le serveur avec Artillery.io. Aujourd’hui, QScore est capable de gérer plusieurs milliers de soumissions à la minute !

  • Leaderboard en temps réel

Une composant essentielle d’un concours en format court est un leaderboard en temps réel. Cet affichage en grand écran donne du peps à la compétition en créant des échappés entre les participants !

image3

QScore propose un leaderboard personnalisable avec un jeu d’animations : un décompte se met en place dans les dernières minutes.

  • Bonus: Publication à partir du notebook

Pour gagner du temps, QScore donne la possibilité aux participants de publier leur solution directement à partir d’un Notebook Python. Pas besoin de créer un fichier et de le transférer manuellement. La soumission est automatiquement envoyée à partir du Notebook.

image10

Qui peut utiliser la plateforme ?

QScore est disponible gratuitement sur http://qscore.io. Nous l’avons publiée en opensource (licence Apache 2). Aujourd’hui, Qscore est utilisée pour des concours internationaux ainsi que par des entreprises pour des concours internes. Elle s’installe sous tout type d’environnement grâce à Docker. Vous pouvez aussi l’installer chez vous !


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
ActuIA

Partager l'article

Laurent Félix devient Directeur Général France d’Ekimetrics

Ekimetrics, spécialiste européen en data science et intelligence artificielle au service des entreprises, a annoncé cette semaine la nomination de Laurent Félix au poste...

Forum de l’évaluation de l’intelligence artificielle : Créer la confiance et valider les performances, ou comment définir un environnement favorable au développement de...

Le Laboratoire national de métrologie et d’essais (LNE) organise le premier forum d'évaluation de l'intelligence artificielle (IA). Cet événement sera l'occasion d'échanger autour du développement de...

Zoom sur l’automatisation des rapports COVID-19 de Santé Publique France par Dynacentrix

L'agence Santé publique France, en charge de la surveillance épidémiologique du covid-19, pilote le système national de veille et d’alerte et de surveillance sanitaire...

Retour sur le lancement de MAESTRIA, plateforme numérique de diagnostic intégratif de la cardiomyopathie auriculaire

Le projet de recherche MAESTRIA (Machine Learning and Artificial Intelligence for Early Detection of Stroke and Atrial Fibrillation) a été officiellement lancé fin septembre....