2. RITME Data Solutions
RITME Data Solutions vous accompagne dans l’analyse, la structuration, la visualisation
et la valorisation de vos données
Fort d’un réseau d’experts reconnus, notre but est de vous faire monter en compétences et en autonomie
Notre offre s’articule autour de 3 pôles : Formation/Conseil – Plateforme en Data Sience - BootCamp
3. Créée en 2014 par Charles-Antoine Guiliani (X/PONTS),
Synaplus se compose d’une équipe d’ingénieurs en R&D
Deeptech - 5 années ont été consacrées à la conception et au
développement de COSMO
→ Plateforme logicielle de valorisation de la Data par l’IA
QUI EST SYNAPLUS ?
Synaplus, éditeur français de
COSMO la plateforme
d’Intelligence Artificielle
d’automatisation de la
valorisation des Data
Prix de l’entrepreneur
TRANFORMER ET PILOTER LES
PROCESSUS PAR LA DATA
PERSONNALISER
PREDIRE DETECTER
OPTIMISER
PRIORISER
DATA DRIVEN
4. L’IA de COsMO automatise la DataScience
Identification
des données
Extraction
des
données
Agrégation
des données
(feature
aggregation)
Nettoyage
des données
(data
cleaning)
Identification des
caractéristiques
(feature
engineering)
Sélection
d’un modèle
Présentation
des données
pour le
modèle
Sélection des
variables
d’entraîneme
nt
Entraînement du
modèle
DATA RESULTATS
«Automatiser la DataScience pour en rendre l’usage courant et plus performant »
COsMO
5. Je n’ai pas pris
la bonne cible
de data (pas
les grands
comptes)
Je veux ajouter
une nouvelle
source de data
+ 4 à 8 semaines
Total 2 à 3 mois
Extraction / Nettoyage / Aggrégation des data
DATA PREPARATION
Feature identification
Description des data
ENTRAINEMENT DE MODELES
Essai de différents modèles de ML
Identification
Use Case
Expression du Use Case
Identification des
data
EXPRESSION DES BESOINS
t
+1 semaine +2 semaines + 1 semaine
SANS COsMO
Identification
Use Case
Expression du Use Case
COsMO COsMOCOsMO
Total 2 à 3 semaines
Je veux ajouter
une nouvelle
source de data
Je n’ai pas pris la
bonne cible de
data (pas les
grands comptes)
AVEC COsMO
Agilité
6. AUTO ML (DataRobots, Prevision.io)
Solution Cloud (Google, Amazon, Microsoft)
AUTO ML (H2O)
Boucles de feedback sur les données très
partielles, ou inexistantes (impossibles
techniquement), pourtant essentielles à
l’extraction de valeur
Extraction
des données
Agrégation des
données
(feature
agregation)
Nettoyage des
données (data
cleaning)
Feature
engineering
Sélection
d’un modèle
Présentation
des données
pour le
modèle
Sélection des
variables
d’entraîneme
nt
Entraînement du
modèle
DATA RESULTATS
Tranformation Data
Auto ML
ETL, Alteryx, Trifacta
Demande à paramétrer
et écrire les règles de
transformations
Framework / AtelierDataiku
C O s M O
Panorama des Solutions
7. • Pas besoin de labelliser les data
• Pas besoin de nettoyer les data
• Pas besoin de transformer les data
• Pas besoin d’avoir un ETL
• Pas besoin de programmer
• Pas nécessaire d’avoir un Datalake/DataHub
• Facile à industrialiser
Pourquoi COsMO est-il disruptif?