Notes Conférence Big Data INRIA (Euratechnologie)

Article mis en ligne le 26 novembre 2015
dernière modification le 5 mars 2017
par Olivier Duquesne aka DaffyDuke
Big Data & Data Scientists
Sylvain Carfe, INRIA
Collaboration INRIA avec es entreproses

René Lefébure, Wana Group R&D Conexance, Lille2
- Notion de capteur et de fréquence de données
- difficulté de trouver un algo (rien de clé en main)
- bruit -> audible -> mélodieux (avantage concurrentiel)
- besoin de montrer "élasticité de données" sur impact économique
Compétences attendues d'un data scientist
- mathématiques & statistiques
- informatique et nouveaux langages : R, python, mathlab, sql => monde opensource cité pour des problématiques de coût essentiellement
- sens des affaires
outils bases de données : hadoop, sparks, storm, hive => s'entraîner avec caggle

Digital Ethics, Paul Olivier Gilberts : qui veut un café
Comparaison GAFA => création d'un monde datafié
L'université s'intéresse à tout ce qui est neuf, si ça marche pas, ça fait une publication,
L'industriel est plus réservé, si ça ne marche pas, c'est une perte sèche.
Le Big data devient le Smart Data
Amazon : théorie de la longue traîne (profondeur de produits) + besoin 0 pb client car l'insatisfaction cliente est coûteuse
=> obtenir satisfaction client donc des clients
Nouveau outils : aggrégateur de compte bancaire : Linkso
buzzwords : ubérisation (concurrence de travail artisanal) => disruption (on se fait piquer des parts de marché)

C. Biernacki, prof de math à Lille1, MODAL INRIA => super présentation !
https://modal.lille.inria.fr/
Big Stat en mode SAS, https://modal-research.lille.inria.fr/BigStat/
données x14000, coût divisé par 70000, phénomène de société pour utiliser ce nouveau joujou
volume, velocity, variety, veracity
nouvelles données, mais les questions sont les mêmes (ex : scoring bancaire)
Notez que le traitement humain peut faire évoluer le résultat malgré le choix technique.
On a plusieurs modèles, tous sont faux, mais certains serviront
Présentation d'un outil INRIA de traitement des données

Pixeo vu par Deloitte
http://www.lecomparateurdasssurances.com
Modèle économique = lead generator, clients = compagnies d'assurance
Collecte de beaucoup de données (questions assurance) + données comportemantales (produitsn garantie, )

Clarusse Dhaenens INRIA Dolphin + David Delrue / Alicante
Médecine personnalisée
Recherche CRIStAL
Médecine : personnalisée, préventif, prédictif, participatif
Problème de stockage des données : exemple du papier, cliché, imagenrie numérique parfois énormes, difficulté de relier les documents
évocation du problèmes du voyageur de commerces (nombre de villes à visiter)
En général, besoin d'optimisation multi-objectif (exemple du trajet : km / prix : selon critère de choix) => recherche du front Pareto
A chercher un AWSEC2 agréé données de santé

David Sapori, directeur INRIA
Le Big Data, c'est comme la fricandelle, tout le monde en parle, personne ne sait ce que c'est
Pourtant activité forte à Lille
qrcode:http://www.coincoin.fr.eu.org/?Notes-Conference-Big-Data-INRIA
Dans la même rubrique
