Date / Heure
Date(s) - 15/11/2018
18h30 - 21h30
Emplacement
CIC Place de l'Innovation
Catégories
De l’Intelligence Artificielle et du Machine learning à Aix-Marseille !
Nous sommes ravis de vous retrouver (ou vous découvrir) pour une nouvelle année d’échanges et de rencontres !
Merci de vous inscrire seulement si vous êtes sûr de venir, et vous désinscrire en cas d’empêchement.
Au programme :
- Accueil, annonces
- Le Journal du Machine Learning – Laurent Cetinsoy, datadidacte
Tout l’actualité du Machine learning à la fois business et technique.
Etat d’avancement et perspectives du programme Open Emploi de la région Sud PACA dans le cadre de la stratégie « Ambition régionale dans l’intelligence artificielle : programme d’action[masked] ».
– Thierry Arpin-Pont, Service Smart Région
Unboxing the black boxes – Leonardo Noleto – Blackwen
Les applications du machine learning dans certains secteurs réglementés (banque, assurance, médicale etc.) restent souvent cantonnées aux modèles linéaires ou à arbres compte tenu de leur capacité à produire des décisions relativement faciles à expliquer à un analyste métier. Récemment, des nouvelles techniques permettant d’expliquer les résultats produits par des modèles black-box ont vu le jour et attirent de plus en plus l’intérêt de la communauté data science et de l’industrie. En effet, il est désormais possible d’utiliser des modèles très performants comme XGBoost ou Deep learning sans sacrifier l’explication du modèle.
Leonardo Noleto est Senior Data Scientist chez Bleckwen FinTech qui développe une solution de lutte contre la fraude financière avec du machine learning. Il a aussi co-fondé le meetup Toulouse Data Science.
Prédiction de résultats de Matchs de Foot – Ewen Gallic – AMU / AMSE
À l’occasion de l’Euro 2008 et de la Coupe du Monde 2010, un poulpe nommé Paul a défrayé la chronique pour ses prévisions exactes des résultats des matchs de l’équipe allemande pour le championnat européen et pour la désignation de l’Espagne comme vainqueur de la compétition mondiale. En utilisant des données sur les résultats de rencontres de Coupe du Monde, compétitions intercontinentales et coupes mondiales, nous proposons de poursuivre le travail de feu Paul le poulpe et de prédire ex-ante les issues probables des rencontres lors de la Coupe du Monde de football 2018. Huit méthodes d’apprentissage supervisé sont utilisées afin de prédire les résultats des rencontres : les k plus proches voisins, la classification naïve bayésienne, les arbres de classification, les forêts aléatoires, le gradient boosting stochastique, la régression logistique par boosting, les machines à vecteurs de support, les réseaux de neurones artificiels. Les performances relatives de ces méthodes sont présentées. Nos prévisions nous permettent de projeter les trajectoires probables des équipes nationales dans cette compétition, en utilisant les simulations. Enfin, nous examinons l’influence de la composition des groupes initiaux sur la probabilité de battre la concurrence.
Comme d’habitude, les présentations sont suivies d’un apéro pour discuter & échanger.
Emmenez un truc à boire ou grignoter 🙂
