24 jan 2018
11:15 - 12:30
Salle 5, Site Marcelin Berthelot
En libre accès, dans la limite des places disponibles

Les challenges sont présentés dans la rubrique Challenges de données des pages de Stéphane Mallat.

Lors de cette deuxième session, 7 challenges du site web Challenge data ont été présentés : 

  • « Prédiction de maladie à partir du génome » présenté par Gilles Wainrib de la société Owkinen collaboration avec l’Inserm. L’objectif est de prédire si un individu développera une certaine maladie à partir de données spécifiques à son génome.
  • « Prédiction de la production d’énergie éolienne » présenté par Paul Poncet de la société Engie. L’objectif est de prédire la production d’énergie éolienne de quatre éoliennes à partir de leurs différents paramètres de fonctionnement.
  • « Prédiction de la dynamique de liquides surfondus » présenté par François Landes de l’équipe de Giulio Biroli, IPhT CEA & ENS Paris. L’objectif est de prédire la mobilité des différentes particules au sein d’un système à partir de leurs positions et vitesses initiales.
  • « Classification de stade de sommeil » présenté par Valentin Thorey de la société Rythm. L'objectif est de prédire le stade de sommeil d’un individu à partir de 30 secondes de signaux EEG, accéléromètre et oxymètre de pouls.
  • « Prédiction de la saturation d'huile résiduelle » présenté par Jean-François Lecomte de l’IFPEN. L'objectif est de déterminer à partir de la structure poreuse 3D d’une roche son type ainsi que prédire la quantité d'huile (pétrole brut) résiduelle piégée et la distribution en taille des clusters d'huile résiduelle.
  • « Prédiction de l'équipe vainqueur d'un match de NBA » présenté par Sébastien Loustau de la société LumenAIL’objectif est de prédire l'équipe remportant un match de NBA à partir d'indicateurs clés (score, fautes, etc.) du déroulement de la première mi-temps relevés à chaque seconde.
  • « Prédiction d’approbation de publication » présenté par Nies Lubbers de la société Dassault Systèmes. L’objectif est de prédire pour chaque utilisateur d’une application sociale et collaborative les 5 publications qu’il est le plus susceptible d’aimer, à partir d’un historique d’approbation des publications par un ensemble d’utilisateurs.