Challenges de données 2020 (1)

Lire la présentation des « Challenges de données »

Challenges 2020

Les challenges commencent le 1^er janvier 2020. Une clôture intermédiaire a lieu en juin par une évaluation des prédictions sur de nouvelles données de test. La clôture finale est en décembre, avec une remise des prix en janvier 2021.

Cette année, les challenges ont été organisés et supervisés à l'ENS par Rudy Morel, Tanguy Marchand, Florenting Guth, Louis Thiry, Gaspard Rochette, et John Zarka. L’organisation de ces challenges de données est soutenue par la Chaire CFM de l’Ecole Normale Supérieure, et par la Fondation des Sciences Mathématiques de Paris.

Accéder aux vidéos des challenges de 2020

Lors de cette première session, les 8 challenges suivants sont présentés :

« Où se produira la prochaine transaction d'un stock ? » présenté par Eric Lebigot de la société Capital Fund Management. Étant donné le carnet d'ordre et les transactions récentes, l'objectif de ce challenge est de prédire sur quelle plateforme se produira le prochain échange d'un stock donné.
« Prédiction du risque de mortalité » présenté par Rémy Dubois de la société Owkin. Le but de ce challenge est de prédire le temps de survie d'un patient à partir de scans CT sous la forme d'images 3D et de données cliniques sous la forme de descripteurs extraits préalablement.
« NLP appliqué à l'analyse de décisions juridiques » présenté par Marc Sanselme de la société Prédilex. Étant donné une jurisprudence, le but de ce challenge est d'extraire du texte les informations suivantes : sexe de la victime, la date de l'accident et la date de consolidation des blessures.
« Estimation de la production industrielle » présenté par Matthieu Mazzolini de la société Kayrros. Le but de ce challenge est d'estimer la production de sites de groupes industriels à partir de mesures journalières et de données de capacités.
« Classification multimodal de données de produits » présenté par Laurent Ach de la société Rakuten. Le but de ce challenge d'effectuer une classification multimodale à partir de textes et mages d'articles en classes de produits.
« Prédiction de rendements de stocks » présenté par Karl Bartoli de la société QRT. Le but de ce challenge est de prédire les rendements d'un stock du marché américain à partir des rendements des vingt derniers jours.
« IA appliquée à la lecture de compteur » présenté par Nicolas Daviaud de la société Suez. Le but de ce challenge est de créer un algorithme qui relève la valeur d'un compteur à partir d'images prises sous des angles et condition divers.
« Métamodèles pour améliorer la consommation d'énergie et le confort de grands bâtiments » présenté par Sylvain Le Corff de la société Oze-Energies. Le but de ce challenge est de prédire la consommation d'énergie et la température d'un immeuble à partir de relevés de capteurs.