Courte présentation du Big Data & Machine Learning lors d'un séminaire à la Cité Internationale Universitaire de Paris, Maison des Etudiants Arméniens.
Retrouvez l'intégralité de la présentation commune de Dataiku et Coyote sur la "Valorisation des données".
Cette présentation a été réalisée dans le cadre du Symposium du 04 Juin 2015, organisé par le Club Urba-EA et le Club Pilotes de Processus.
Plus d'informations sur www.dataiku.com
Retrouvez l'intégralité de la présentation commune de Dataiku et Coyote sur la "Valorisation des données".
Cette présentation a été réalisée dans le cadre du Symposium du 04 Juin 2015, organisé par le Club Urba-EA et le Club Pilotes de Processus.
Plus d'informations sur www.dataiku.com
Le Big Data, semble aujourd’hui la solution miraculeuse pour une gestion efficace des masses de donnée. Mais de quoi s’agit-il ? Un vrai levier pour améliorer son activité? ou simple poudre aux yeux ? Dans ce contexte, Nexialog s’intéresse de plus en plus à cette thématique porteuse, et a réalisé une première étude abordant le Big Data en lien avec les secteurs financiers et assurantiels.
Trois sujets de recherche ont également été lancés en interne :
-L’impact du Big data sur l’organisation de l’entreprise
-Les technologies Big Data
-Gestion de Risques dans l’environnement Big Data
IA, IoT, Big Data : révolutions ou évolution ?Romain Willmann
Support de la présentation sur les objets connectés, l'intelligence artificielle et le Big Data de Romain Willmann. Elle a été prononcée pour la première fois le 7 février 2018 pour les programmes PGM et AMP d'emlyon business school.
Live academy #4 Comment démocratiser l’utilisation des données dans votre org...Jerome Blanc
Slide du Live Academy - mai 2021
Paradoxalement, si le numérique a entraîné une explosion du volume de données disponibles, seule une minorité d’entreprises parviennent aujourd’hui à être réellement “data driven” et à déployer l’analytique à grande échelle. Disposer de données en grande quantité est un atout, encore faut-il savoir les transformer à l’échelle de l’entreprise en informations puis en connaissances activables. L’accès aux données et à leur interprétation ne doit pas être limité à quelques décisionnaires. Dès lors, comment démocratiser l’utilisation des données dans votre organisation ? Au cours du Live Academy, nos experts Selima et Nidhal ont partagé leurs convictions et quelques clés pour instiller dans votre organisation une véritable culture de la data, notamment à travers l’un de ses piliers, la data literacy.
Résumé des présentations et ressources de l'événement "Parcours Big Data" organisé par @Cetic dans la cadre de la Big Data Week 2014, en collaboration avec @awtbe
pour accompagner les talents, gérer les compétences et assurer la conformité des données pour GDPR
Vos collaborateurs sont au cœur de la réussite de votre entreprise, mais disposez-vous d’informations précises et fiables les concernant ? Sont-elles sécurisées et en conformité avec les réglementations telles que GDPR, tout en étant facilement accessibles pour les prises de décision et activités opérationnelles ?
Lors de ce webinar à la demande, les équipes RH Orange et les consultants d’Orange Consulting partageront leur retour d’expérience dans la mise en œuvre de la vue 360° employés au sein du groupe, la méthode utilisée, les difficultés rencontrées et les résultats obtenus.
Participez à ce webinar à la demande d'une heure pour apprendre comment :
fédérer et réconcilier les 18 sources d'informations RH différents issus de plusieurs systèmes d'information ;
mieux connaitre les salariés pour répondre aux enjeux RH et business des managers de disposer d’une cartographie dynamique en temps réel des données salariés ;
mettre en place des tableaux de bord d’ indicateurs pertinents pour accompagner la réflexion stratégique et les plans d’actions RH par une vision synthétique, actualisé et multicritères des données salariés ;
anticiper la mise en application de la nouvelle règlementation européenne sur les données privées (GDPR).
Présentation de la plateforme scientifique collaborative "TransAlgo" à l'événement de lancement des débats "Éthique et numérique" par la CNIL le 23 janvier 2017
Interview avec le Prof. Diego Kuonen qui s'exprime sur les opportunités avec le big data et les nouvelles sources de données, et comment faire fasse à la révolution et transformation digitale. Entre autres, il compare un traitement efficace des données à une recette de cuisine ayant fait ses preuves.
Source: Magazine du personnel de l'Office fédéral de la statistique (OFS), 24.08.2017.
Big Data... Big Analytics à travers les âges, les industries et les technologiesHassan Lâasri
Si la matière et l’énergie ont dominé les industries du XIXème et du XXème siècles, la Data en prend la direction pour ce siècle. Nous entrons dans une nouvelle ère où dans toutes les industries, non seulement les techniciens, les opérateurs et les gestionnaires consomment et produisent de la Data, mais aussi tous les dispositifs, petits et grands, qu’ils utilisent pour prendre leurs décisions et exécuter leurs opérations. Une ère où la Data prendra un sein de toute activité industrielle autant d’importance que les matières premières et les énergies qui transportent et transforment ces dernières en des biens d’équipements et des produits de consommation. L’objectif de cette présentation est de démystifier le phénomène Big Data en décrivant son utilisation à travers les âges et les industries : recensement de population au XIXème siècle, gestion de réseaux et transactions bancaires à la fin du XXème siècle et sa récente percée dans les médias et dans les industries lourdes en ce début de XXIème siècle.
DataGalaxy et Denodo : le guichet unique de gouvernance et d’accès aux données !Denodo
Watch full webinar here: https://bit.ly/3c6aeuE
Pendant cette session, vous découvrirez comment la virtualisation de données et le Cataloging de la donnée vous permettent de créer un guichet unique de gouvernance et d’accès aux données afin :
- D'intégrer sans réplications toutes les données d’entreprise qu’elles soient en internes ou dans le cloud, ce indifféremment de leur format ou technologies de traitement.
- D’offrir aux utilisateurs métier l’accès à la connaissance de la donnée et à son utilisation.
- D’accélérer l'acculturation de la gouvernance de la donnée au sein de votre entreprise grâce à la virtualisation de données
- De valoriser, les bénéfices d’un guichet unique d’accès à la donnée et à la connaissance.
Business & Decision - Big Data : Retours d'expériences concrets - Congrès Big...Business & Decision
Business & Decision - "Big Data : Retours d'expériences concrets", atelier animé par Mick Lévy, Directeur Innovation Business de Business & Decision, au Congrès Big Data Paris 2016.
Big data is changing the way people within organizations work together. It is creating a culture in which business and IT leaders must join forces to realize value from all data. Insights from big data can enable all employees to make better decisions—deepening customer engagement, optimizing operations, preventing threats and fraud, and capitalizing on new sources of revenue. But escalating demand for insights requires a fundamentally new approach to strategy, architecture, tools and practices.
Découvrez comment créer une solution complète de gouvernance des donnéesPrecisely
Les systèmes de gouvernance des données fournissent un cadre pour les politiques, les processus, les règles, les rôles et les responsabilités qui vous aident à gérer vos données. Une excellente stratégie de gouvernance des données, basée sur des outils comme le Collibra Data Governance Center (DGC), est essentielle pour tirer le meilleur parti de vos données.
Trillium Discovery s'intègre de façon transparente à Collibra pour créer une solution complète de gouvernance des données qui fournit des indicateurs sur la santé de vos données pour vous aider à mieux piloter votre organisation, tout en répondant aux contraintes règlementaires.
Participez à ce webinaire et découvrez comment vous pouvez tirer parti de cette intégration dans votre organisation pour construire, appliquer et exécuter facilement des règles de gestion basées sur les politiques de gouvernance des données au sein de Collibra.
Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...Jean-Michel Franco
Concrétiser les promesses du Big Data avec Hadoop, le Self-Service, les data lakes et le machine learning. Quels cas d'usage, quels retours d'expérience, quelle plate-forme?
This slide gives brief overview of supervised, unsupervised and reinforcement learning. Algorithms discussed are Naive Bayes, K nearest neighbour, SVM,decision tree, Markov model.
Difference between regression and classification. difference between supervised and reinforcement, iterative functioning of Markov model and machine learning applications.
Le Big Data, semble aujourd’hui la solution miraculeuse pour une gestion efficace des masses de donnée. Mais de quoi s’agit-il ? Un vrai levier pour améliorer son activité? ou simple poudre aux yeux ? Dans ce contexte, Nexialog s’intéresse de plus en plus à cette thématique porteuse, et a réalisé une première étude abordant le Big Data en lien avec les secteurs financiers et assurantiels.
Trois sujets de recherche ont également été lancés en interne :
-L’impact du Big data sur l’organisation de l’entreprise
-Les technologies Big Data
-Gestion de Risques dans l’environnement Big Data
IA, IoT, Big Data : révolutions ou évolution ?Romain Willmann
Support de la présentation sur les objets connectés, l'intelligence artificielle et le Big Data de Romain Willmann. Elle a été prononcée pour la première fois le 7 février 2018 pour les programmes PGM et AMP d'emlyon business school.
Live academy #4 Comment démocratiser l’utilisation des données dans votre org...Jerome Blanc
Slide du Live Academy - mai 2021
Paradoxalement, si le numérique a entraîné une explosion du volume de données disponibles, seule une minorité d’entreprises parviennent aujourd’hui à être réellement “data driven” et à déployer l’analytique à grande échelle. Disposer de données en grande quantité est un atout, encore faut-il savoir les transformer à l’échelle de l’entreprise en informations puis en connaissances activables. L’accès aux données et à leur interprétation ne doit pas être limité à quelques décisionnaires. Dès lors, comment démocratiser l’utilisation des données dans votre organisation ? Au cours du Live Academy, nos experts Selima et Nidhal ont partagé leurs convictions et quelques clés pour instiller dans votre organisation une véritable culture de la data, notamment à travers l’un de ses piliers, la data literacy.
Résumé des présentations et ressources de l'événement "Parcours Big Data" organisé par @Cetic dans la cadre de la Big Data Week 2014, en collaboration avec @awtbe
pour accompagner les talents, gérer les compétences et assurer la conformité des données pour GDPR
Vos collaborateurs sont au cœur de la réussite de votre entreprise, mais disposez-vous d’informations précises et fiables les concernant ? Sont-elles sécurisées et en conformité avec les réglementations telles que GDPR, tout en étant facilement accessibles pour les prises de décision et activités opérationnelles ?
Lors de ce webinar à la demande, les équipes RH Orange et les consultants d’Orange Consulting partageront leur retour d’expérience dans la mise en œuvre de la vue 360° employés au sein du groupe, la méthode utilisée, les difficultés rencontrées et les résultats obtenus.
Participez à ce webinar à la demande d'une heure pour apprendre comment :
fédérer et réconcilier les 18 sources d'informations RH différents issus de plusieurs systèmes d'information ;
mieux connaitre les salariés pour répondre aux enjeux RH et business des managers de disposer d’une cartographie dynamique en temps réel des données salariés ;
mettre en place des tableaux de bord d’ indicateurs pertinents pour accompagner la réflexion stratégique et les plans d’actions RH par une vision synthétique, actualisé et multicritères des données salariés ;
anticiper la mise en application de la nouvelle règlementation européenne sur les données privées (GDPR).
Présentation de la plateforme scientifique collaborative "TransAlgo" à l'événement de lancement des débats "Éthique et numérique" par la CNIL le 23 janvier 2017
Interview avec le Prof. Diego Kuonen qui s'exprime sur les opportunités avec le big data et les nouvelles sources de données, et comment faire fasse à la révolution et transformation digitale. Entre autres, il compare un traitement efficace des données à une recette de cuisine ayant fait ses preuves.
Source: Magazine du personnel de l'Office fédéral de la statistique (OFS), 24.08.2017.
Big Data... Big Analytics à travers les âges, les industries et les technologiesHassan Lâasri
Si la matière et l’énergie ont dominé les industries du XIXème et du XXème siècles, la Data en prend la direction pour ce siècle. Nous entrons dans une nouvelle ère où dans toutes les industries, non seulement les techniciens, les opérateurs et les gestionnaires consomment et produisent de la Data, mais aussi tous les dispositifs, petits et grands, qu’ils utilisent pour prendre leurs décisions et exécuter leurs opérations. Une ère où la Data prendra un sein de toute activité industrielle autant d’importance que les matières premières et les énergies qui transportent et transforment ces dernières en des biens d’équipements et des produits de consommation. L’objectif de cette présentation est de démystifier le phénomène Big Data en décrivant son utilisation à travers les âges et les industries : recensement de population au XIXème siècle, gestion de réseaux et transactions bancaires à la fin du XXème siècle et sa récente percée dans les médias et dans les industries lourdes en ce début de XXIème siècle.
DataGalaxy et Denodo : le guichet unique de gouvernance et d’accès aux données !Denodo
Watch full webinar here: https://bit.ly/3c6aeuE
Pendant cette session, vous découvrirez comment la virtualisation de données et le Cataloging de la donnée vous permettent de créer un guichet unique de gouvernance et d’accès aux données afin :
- D'intégrer sans réplications toutes les données d’entreprise qu’elles soient en internes ou dans le cloud, ce indifféremment de leur format ou technologies de traitement.
- D’offrir aux utilisateurs métier l’accès à la connaissance de la donnée et à son utilisation.
- D’accélérer l'acculturation de la gouvernance de la donnée au sein de votre entreprise grâce à la virtualisation de données
- De valoriser, les bénéfices d’un guichet unique d’accès à la donnée et à la connaissance.
Business & Decision - Big Data : Retours d'expériences concrets - Congrès Big...Business & Decision
Business & Decision - "Big Data : Retours d'expériences concrets", atelier animé par Mick Lévy, Directeur Innovation Business de Business & Decision, au Congrès Big Data Paris 2016.
Big data is changing the way people within organizations work together. It is creating a culture in which business and IT leaders must join forces to realize value from all data. Insights from big data can enable all employees to make better decisions—deepening customer engagement, optimizing operations, preventing threats and fraud, and capitalizing on new sources of revenue. But escalating demand for insights requires a fundamentally new approach to strategy, architecture, tools and practices.
Découvrez comment créer une solution complète de gouvernance des donnéesPrecisely
Les systèmes de gouvernance des données fournissent un cadre pour les politiques, les processus, les règles, les rôles et les responsabilités qui vous aident à gérer vos données. Une excellente stratégie de gouvernance des données, basée sur des outils comme le Collibra Data Governance Center (DGC), est essentielle pour tirer le meilleur parti de vos données.
Trillium Discovery s'intègre de façon transparente à Collibra pour créer une solution complète de gouvernance des données qui fournit des indicateurs sur la santé de vos données pour vous aider à mieux piloter votre organisation, tout en répondant aux contraintes règlementaires.
Participez à ce webinaire et découvrez comment vous pouvez tirer parti de cette intégration dans votre organisation pour construire, appliquer et exécuter facilement des règles de gestion basées sur les politiques de gouvernance des données au sein de Collibra.
Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...Jean-Michel Franco
Concrétiser les promesses du Big Data avec Hadoop, le Self-Service, les data lakes et le machine learning. Quels cas d'usage, quels retours d'expérience, quelle plate-forme?
This slide gives brief overview of supervised, unsupervised and reinforcement learning. Algorithms discussed are Naive Bayes, K nearest neighbour, SVM,decision tree, Markov model.
Difference between regression and classification. difference between supervised and reinforcement, iterative functioning of Markov model and machine learning applications.
Top 3 Challenges to Profitable Mortgage LendingEquifax
Uncover how to transform mortgage lending processes and enhance the customer experience by conquering the top 3 challenges keeping your processors from focusing on the tasks that drive business.
[Harvard CS264] 09 - Machine Learning on Big Data: Lessons Learned from Googl...npinto
Abstract:
Machine learning researchers and practitioners develop computer
algorithms that "improve performance automatically through
experience". At Google, machine learning is applied to solve many
problems, such as prioritizing emails in Gmail, recommending tags for
YouTube videos, and identifying different aspects from online user
reviews. Machine learning on big data, however, is challenging. Some
"simple" machine learning algorithms with quadratic time complexity,
while running fine with hundreds of records, are almost impractical to
use on billions of records.
In this talk, I will describe lessons drawn from various Google
projects on developing large scale machine learning systems. These
systems build on top of Google's computing infrastructure such as GFS
and MapReduce, and attack the scalability problem through massively
parallel algorithms. I will present the design decisions made in
these systems, strategies of scaling and speeding up machine learning
systems on web scale data.
Speaker biography:
Max Lin is a software engineer with Google Research in New York City
office. He is the tech lead of the Google Prediction API, a machine
learning web service in the cloud. Prior to Google, he published
research work on video content analysis, sentiment analysis, machine
learning, and cross-lingual information retrieval. He had a PhD in
Computer Science from Carnegie Mellon University.
Top 3 Considerations for Machine Learning on Big DataDatameer
View the full recording of this deck here:
http://info.datameer.com/Slideshare-Top-3-Things-to-Consider-for-Machine-Learning-on-Big-Data.html
Machine learning is powerful but requires coding and access to all the relevant datasets to get full insights. With new Big Data analytic tools, business users can now use machine learning to gain a competitive edge.
Based on best practices and customer experiences, join Datameer and Caserta Concepts as we discuss what to look for and what value organizations get out of Machine Learning on Big Data.
This webinar will provide:
*an overview of challenges and tools available today
*use cases for machine learning on hadoop
*capabilities to look for
*comparison of available solutions
By Derek Wang - FOUNDER AND CEO AT STRATIFYD INC
Description:
Everyone is talking about big data but there are some misunderstanding.
What is Augmented Intelligence. 1) Human vs computer 2)Human with computer is more powerful than computer or human 3) Augmented intelligence is human intelligence + machine learning
Some case studies to indicate the power of augmented intelligence
At Southern California Data Science Conference Sept.25.2016 at USC
http://socaldatascience.org/
http://www.datalaus.com/en/
Augmented Intelligence 2.0: my thoughts on what's next after Palantir, Quid, Recorded Future, and other similar companies, using context-aware computing principles.
This was a short (20 min) talk given to the Data Science meetup in Moscow, so slides don't deep dive into details.
Are you tired of struggling with your existing data analytic applications?
When MapReduce first emerged it was a great boon to the big data world, but modern big data processing demands have outgrown this framework.
That’s where Apache Spark steps in, boasting speeds 10-100x faster than Hadoop and setting the world record in large scale sorting. Spark’s general abstraction means it can expand beyond simple batch processing, making it capable of such things as blazing-fast, iterative algorithms and exactly once streaming semantics. This combined with it’s interactive shell make it a powerful tool useful for everybody, from data tinkerers to data scientists to data developers.
Machine Learning for Big Data Analytics: Scaling In with Containers while Sc...Ian Lumb
Watch On Demand Anytime via http://www.univa.com/resources/webinar-machine-learning.php
Armed with nothing more than an Apache Spark toting laptop, you have all the trappings required to prototype the application of Machine Learning against your data-science needs. From programmability in Scala, Java or Python, to built-in support for Machine Learning via MLlib, Spark is an exceedingly effective enabler that allows you to rapidly produce results.
Of course, as soon as your prototyping proves successful, you'll want to scale out to embrace the volume, variety and velocity that characterizes today's Big Data demands... in production. Because Spark is as comfortable on an isolated laptop as it is in a distributed-computing environment, addressing Big Data requirements in production boils down to effectively and efficiently embracing containers and clusters for Big Data Analytics.
And this is where offerings from Univa shine - i.e., in making the transition from prototype to production completely seamless. For some use cases, it makes sense to scale-in Spark based applications within Docker containers via Univa Grid Engine Container Edition or Navops by Univa; whereas in others, Spark is interfaced (as a Mesos-compliant framework) with Univa Universal Resource Broker, to permit scaling out on a cluster. In both scenarios, your production Spark applications are scheduled alongside other classes of workload - without a need for dedicated resources.
Agenda:
• Overview of Apache Spark as a platform for Deep Learning - from Python-based Jupyter Notebooks to Spark's Machine Learning library MLlib
• Overview of prototyping Machine Learning via Apache Spark on a laptop - without and within Docker containers
• Introductions to Univa Grid Engine Container Edition and Univa Universal Resource Broker plus Navops by Univa
• Overview of production Big Data Analytics platforms for Machine Learning
• Docker-containerized Apache Spark and Univa Grid Engine Container Edition
• Docker-containerized Apache Spark and Navops by Univa
• Apache Spark plus Univa Universal Resource Broker
• Introducing support for GPUs without and within Docker containers
• Use case example - using Machine Learning to classify data from Twitter without and within Docker containers
• Summary and next steps
Watch On Demand Anytime via http://www.univa.com/resources/webinar-machine-learning.php
A brief overview of making recommendations using the K nearest neighbour algorithm and the Euclidean distance. Given at a Forward First Tuesday evening.
Qu'est-ce que le BIG DATA ?
Comment le BIG DATA peut il permettre de vendre plus ?
Quels sont les outils disponibles ?
Quels sont les clés pour mettre en œuvre le BIG DATA dans mon entreprise ?
Quelles sont les nouveautés et les stratégies gagnantes à mettre en œuvre pour un moteur de recommandation performant ?
Quels algorithmes de Machine Learning appliquer pour y parvenir ?
Un des défis majeurs pour 2017 pour les organisations est de transformer l’ensemble des data collectées en véritables actions opérationnelles. Ces actions s’appuient sur une compréhension plus profonde et unifiée du client en tant qu’individus et non plus en tant que partie d’un segment.
En parallèle, la démocratisation des technologies Big Data donne accès à des puissances de traitement considérables qui permettent d’appliquer les algorithmes de Machine Learning sur des centaines de milliers de points, des milliards d’enregistrements et des volumes de plusieurs péta-octets.
Les moteurs de recommandations sont une des applications phares du marketing prédictif.
Ce séminaire vise à apporter un nouvel éclairage sur la nature des moteurs de recommandation : objectifs visés et principaux algorithmes mis à contribution, les points de vigilances et les bonnes pratiques à respecter pour créer de la valeur. Il s’appuiera sur des retours d’expériences concrets tant dans la définition, la mise en œuvre et que dans le suivi de la performance.
Ce slide comprend des informations sur le big data et son utilisation dans le domaine du marketing digital ainsi que des exemples d'applications réels dans différent secteur
L’avènement du Digital s’accompagne d’une démultiplication de données à analyser : structurées et non structurées.
Parallèlement, les entreprises sont à la recherche de sources d’avantages concurrentiels et d’identification de nouveaux débouchés marketing associés à un enjeu de défendre leur part de marché. Celles-ci sont conscientes, que la valorisation de leurs données constituera la réponse.
Afin de pouvoir analyser ces mines de données, les technologies ont fortement évolué :
• Mise en place de Big Data pour stocker d’importantes volumétries de données ;
• Parallélisation/montée en mémoire des traitements pour permettre de réduire les délais de réalisation ;
• Développement de nouveaux algorithmes qui offrent de nouvelles perspectives d’analyses ;
• Evolution des outils statistiques.
Dans ce contexte de mutations technologiques et à l’heure du temps réel, quels sont les impacts pour le Data Mining?
Nous vous invitons à un séminaire gratuit qui abordera les questions suivantes :
• Quels impacts sur le quotidien du Data Miner : quelles sont les techniques/outils à maîtriser ?
• Quelles sont les possibilités et les nouvelles perspectives d’analyse offertes par le Big Data ?
• Quels sont les pièges à éviter ?
Fr & En
Fr
L'apprentissage automatique (en anglais machine learning, littéralement « apprentissage machine ») ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d' « apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
En
Machine learning is a subfield of artificial intelligence (AI). The goal of machine learning generally is to understand the structure of data and fit that data into models that can be understood and utilized by people.
Although machine learning is a field within computer science, it differs from traditional computational approaches. In traditional computing, algorithms are sets of explicitly programmed instructions used by computers to calculate or problem solve. Machine learning algorithms instead allow for computers to train on data inputs and use statistical analysis in order to output values that fall within a specific range. Because of this, machine learning facilitates computers in building models from sample data in order to automate decision-making processes based on data inputs.
Le Big Data et les analytics : quels enjeux pour le marketing BtoBSparklane
Retour sur le Forum Big Data organisé par Zebaz Smart Data, le 4 juin dernier dans un lieu de prestige.
Au cours de cette matinée de conférences, cinq experts se sont succédés à la tribune. Compte rendu de l’intervention de Nicolas Terrasse (SAS Institute), consacrée aux enjeux et perspectives offertes par le Big Data et les Analytics pour le Marketing B2B.
1. Quelques notions clés à propos du Big Data
2. Pas de Big Data sans Analytique
3. Quelques illustrations B to B du Big Data
Conclusion
Matinale - Levez la malédiction du passage de l'IA en productionOCTO Technology
Quels sont les obstacles légaux, technologiques, méthodologiques ou culturels qui compliquent la mise en production de l’IA dans les entreprises autres que les Géants du Web ?
Pour mieux appréhender les difficultés de l’industrialisation de ce type d’applications, une prise de recul est nécessaire.
Lors de cette Matinale, nous détaillerons les grands thèmes du passage des modèles de Machine Learning du Datalab à la production via l’industrialisation :
- Quelles sont les différences fondamentales entre une application classique et de l’IA ?
- Quelles sont les bonnes pratiques méthodologiques dans la phase d’exploration des modèles ?
- Comment faciliter le passage de la recherche à la production ?
- Comment intégrer une application de Machine Learning dans le Système d’Information ?
Nous vous présenterons des retours d’expérience sur deux cas concrets :
- Optimisation de campagnes marketing
- Maintenance prédictive de machines industrielles - Total
Machine learning, deep learning et search : à quand ces innovations dans nos ...Antidot
FORCE EST DE CONSTATER QUE DURANT CES 10 DERNIÈRES ANNÉES, IL N'Y A PAS EU D'ÉVOLUTION DANS LE DOMAINE DES MOTEURS DE RECHERCHE POUR LES ENTREPRISES. ET POURTANT LA TOILE BRUISSE DE LA RÉVOLUTION DU MACHINE LEARNING.
Ces nouvelles approches mathématiques révolutionnent le traitement de l'information. Les géants du web s'en sont saisis depuis quelques années déjà et les premiers résultats sont là. Votre recherche Web est plus personnalisée, elle prédit plus qu'elle ne trouve, elle anticipe.
Mais les travailleurs du savoir dans les entreprises classiques n'ont pas encore accès à ces innovations. Ont-ils été oubliés ?
La recherche d'information en entreprise est-elle condamnée à exploiter des technologies du 20ème siècle ?
William Lesguillier, responsable de l'offre Valorisation des Données chez Antidot, revient sur l'intérêt de ces approches de machine learning afin de comprendre à quoi elles servent. A travers divers retours d'expériences, nous illustrerons ce qu'elles apportent dans la recherche d'information.
Nous ouvrirons enfin les portes du laboratoire d'Antidot pour présenter les derniers travaux de recherche sur les algorithmes de pertinence. l
Le Big Data au coeur de la stratégie des PME par où commencer ? Silicon Salad
Les PME sont confrontées au challenge du Big Data.
Le Big Data procure aux PME un avantage concurrentiel en générant de la valeur grâce à une meilleure connaissance des clients et du marché.
Il est important pour les PME d’y aller pas à pas.
Silicon Salad vous propose de faire le point sur ce que vous pouvez faire aujourd’hui avec vos données et comment envisager le Big Data.
Google Analytics 4 est maintenant disponible depuis un an. Cependant, nombreux sont ceux qui sont encore sur l'ancienne version... (ou qui ne savent pas encore comment utiliser GA4 !!). Durant ce webinar, nous allons voir comment migrer votre compte vers GA4 et comment prendre en main les bases de GA4 !
En plus c'est gratuit ! :-)
Bonus : les inscrits auront accès au replay et à la présentation qui sera envoyée directement par e-mail.
Ce que pensent les participants de nos webinars :
On se retrouve en live ? :-)
Novascope Télécoms et Réseaux Informatiques en BtoB 2023Enov
Depuis 1996, nous mesurons la digitalisation des entreprises françaises grâce à notre observatoire Novascope Télécoms et Réseaux informatiques en B2B. Découvrez quelques résultats exclusifs de la vague 2023.
Dans un contexte où la transmission et l'installation d'agriculteurs sont des enjeux cruciaux pour la profession agricole, de nouveaux agriculteurs s'installent chaque année et, parmi eux, certains Bac+5 ou plus. Les cursus des écoles d'ingénieurs n'ont pas vocation à former de futurs agriculteurs. Pourtant, certains apprenants ayant suivi ces cursus BAC + 5, qu'ils soient ou non issus du milieu agricole, tentent l'aventure de l'entrepreneuriat agricole. Qui sont-ils ? Quelles sont leurs motivations et visions ? Comment travaillent-ils ?
2. Introduction
• Qui suis-je ?
• MEA depuis Septembre 2016
• Ingénieur Généraliste ECAM Lyon Promo 2015
• Mastère Spécialisé « Systèmes Informatiques Ouverts », Centrale Paris Promo
2016
• Que fais-je ?
• Stage de fin d’études chez ManoMano
• Ingénierie Informatique
• Machine Learning
• Moteurs de recommandations
Big Data & Machine Learning 2
5. Définition
« La notion de big data est un concept s'étant popularisé en 2012 pour
traduire le fait que les entreprises sont confrontées à des volumes de
données à traiter de plus en plus considérables et présentant un fort
enjeu commercial et marketing. »
Big Data & Machine Learning 5
8. Petit sondage
Le Big Data implique de traiter beaucoup de données rapidement, les
entreprises ont donc besoin d’infrastructures très puissantes.
Pour faire de tels calculs, choisiriez vous :
a) Un ordinateur très très puissant
b) Beaucoup d’ordinateurs normaux
Big Data & Machine Learning 8
9. Petit sondage
Le Big Data implique de traiter beaucoup de données rapidement, les
entreprises ont donc besoin d’infrastructures très puissantes.
Pour faire de tels calculs, choisiriez vous :
a) Quelques ordinateurs très très puissants
b) Beaucoup d’ordinateurs normaux à Algorithme « Map Reduce »
Big Data & Machine Learning 9
13. Définition
« Machine learning is the science of getting computers to act without
being explicitly programmed. In the past decade, machine learning has
given us self-driving cars, practical speech recognition, effective web
search, and a vastly improved understanding of the human genome »
Big Data & Machine Learning 13
16. Apprentissage Supervisé
A partir d’un set de données d’entrainement, l’algorithme va
apprendre un modèle qui lui permettra de faire des prédictions
ultérieurement.
Exemple : Filtrage Spam
Big Data & Machine Learning 16
17. Apprentissage non Supervisé
Aucun set de données d’entrainement
n’est fourni. L’algorithme doit trouver le
meilleur modèle lui même.
Exemple : Trouver des groupes d’acheteurs
similaires sur un site d’e-commerce
Big Data & Machine Learning 17
19. Apprentissage par Renforcement
« Apprendre, à partir d'expériences, ce qu'il convient de faire en
différentes situations. Agent autonome au sein d'un environnement,
qui doit prendre des décisions en fonction de son état courant. En
retour, l'environnement procure à l'agent une récompense, qui peut
être positive ou négative »
Exemple : Un robot qui apprend à jouer aux échecs contre un être
humain
Big Data & Machine Learning 19
20. Apprentissage Profond (Deep Learning)
Apprentissage supervisé avec un réseau
de neurones. une machine virtuelle
composée d'unités qui effectuent
chacune de petits calculs simples. Les
résultats de la première couche de
neurones vont servir d'entrée au calcul
des autres.
Exemple : Reconnaissance d’image
Big Data & Machine Learning 20
27. Deux approches
• Content Based Filtering
• Se base sur le contenu des produits appréciés par l’utilisateur
• Exemple : Bob aime le Rock, lui proposer des chansons de Rock
• Collaborative Filtering
• Rapproche des utilisateurs et propose le contenu que l’un a aimé et pas
l’autre
• Exemple : Bob et Joe sont similaires. Bob a adoré le dernier album des Arctic
Monkeys. Recommander cet album à Joe qui ne l’a pas encore écouté.
Big Data & Machine Learning 27