Challenges de données

Challenges 2019

Cette année, les challenges ont été organisés et supervisés à l'ENS par Tomas Anglès, Louis Thiry, Roberto Leonarduzzi et John Zarka. L’organisation de ces challenges de données est soutenue par la Chaire CFM de l’École normale supérieure, et par la Fondation des Sciences Mathématiques de Paris.

Prédiction des mouvements quotidiens d’actions américaines

Présenté par Éric Lebigot de la société Capital Fund Management
L’objectif du challenge est de prédire le signe du rendement d’actions américaines au cours d’une période de 30 minutes en fin de journée, à partir de leur historique de rendements sur des fenêtres de 5 minutes en début de journée.

Détection de métastases du cancer du sein

Présenté par Charlie Saillard de la société Owkin
L’objectif du challenge est de déterminer la présence de métastases ganglionnaires lymphatiques au sein d’images de coupes histologiques de patients atteints d’un cancer du sein. Ce challenge est « faiblement supervisé », la présence ou non de métastases étant indiquée localement pour quelques images mais uniquement globalement à l’échelle de l'image entière pour la plupart des coupes.

Prédiction de profils dynamiques d'électricité

Présenté par Pierre Cauchois de la société Enedis
L’objectif du challenge est d’estimer 7 séries de profils dynamiques d'électricité représentant la forme de la consommation de catégories de clients différents du marché de masse, à partir de données énergétiques et météorologiques.

Prédiction du ratio de Sharpe de mélanges de stratégies quantitatives

Présenté par Stefan Duprey de la société Napoléon Crypto
L’objectif du challenge est de prédire le ratio de Sharpe, un indicateur de rendements ajusté par le risque, de combinaisons déterminées de 7 stratégies quantitatives au cours d’une période de 5 jours ouvrés, à partir de l’historique sur 21 jours ouvrés de rendements de ces 7 stratégies ainsi que de 3 indicateurs financiers pertinents.

Prédiction de l’activité d’ondes lentes du cerveau au cours du sommeil profond

Présenté par Valentin Thorey de la société Dreem
L’objectif du challenge est de prédire, à partir de 10 secondes de signaux EEG d’une onde lente du cerveau au cours d’un sommeil profond, ainsi que de divers indicateurs de la qualité du sommeil jusqu'alors, si une autre onde lente de faible ou grande amplitude suivra.

Prédiction de la réponse attendue à des questions de pharmaceutique

Présenté par Emmanuel Bilbault de la société Posos
L’objectif du challenge est de catégoriser des questions de pharmaceutique selon le type de réponse attendue.

Résolution du Rubik’s cube 2x2x2

Présenté par Julien Peyras de la société LumenAI
L’objectif du challenge est de prédire, à partir d’une certaine configuration initiale d’un Rubik’s cube 2x2x2, le nombre minimum de mouvements à effectuer afin d’arriver à la solution.

Prédiction de la concentration spatiotemporelle en particules fines PM10

Présenté par Grégoire Jauvion de la société Plume Labs
L’objectif du challenge est de prédire les taux de particules fines PM10 mesurés par certaines stations de surveillance de la qualité de l'air, à partir des mesures fournies par les stations de surveillance adjacentes ainsi que certaines caractéristiques urbaines.

Prédiction de l’activité cérébrale d’un rat à partir de patterns temporels de potentiels d'action

Présenté par Ilya Prokin du Group for Neural Theory (GNT) de l'ENS
L’objectif du challenge est de prédire l'état d'activité cérébrale d’un rat à partir des temps d'occurrence de potentiels d'action au sein d’un certain neurone de l’hippocampe.

Prédiction de consommation électrique pour la tarification de l’électricité fournie

Présenté par Alexis Lucido de la société BCM Energy.
L’objectif du challenge est de prédire la consommation électrique sur une année de deux clients potentiels, à partir d’un ensemble d’historiques de consommation d’autres clients présentant des caractéristiques similaires mais distant géographiquement, de données géographiques et météorologiques.

Dépistage et diagnostic du cancer de l'œsophage à partir d'images in vivo

Présenté par Fanny Louvet-de Verchère de la société Mauna Kea Technologies
L’objectif du challenge est de classifier des images endoscopiques de l’oesophage parmi 4 classes représentant différents stades d’avancement d’un cancer de l’œsophage.

Prédiction de la sinistralité d’un immeuble

Présenté par Clémence Devries de la société Generali
L’objectif du challenge est de prédire la sinistralité relative aux dégâts des eaux sur une période d'un an d’un immeuble assuré, à partir de ses caractéristiques.

Classification et optimisation de la qualité de vie au travail

Présenté par Sylvain Le Corff de la société Oze-Energies
L’objectif du challenge est de prédire le confort ressenti par les occupants d’un bâtiment, à partir de données environnementales mesurées en temps réel par des capteurs au sein du bâtiment.

Pricing d’options exotiques par interpolation non linéaire multidimensionnelle

Présenté par Olivier Croissant de la société Natixis
L’objectif du challenge est de prédire la valeur d’options exotiques contenues dans des titres de créances, à partir de 23 paramètres les caractérisant.