Challenges 2020
Lors de cette deuxième session, 9 autres challenges du site web Challenge data sont présentés :
- « Prédiction du sexe en fonction du rythme cérébral » présenté par Valentin Thorey de la société Dreem. Le but de ce challenge est de prédire le genre d'individus à partir de quarante intervalles de leur électro cardiogramme.
- « Prévision de la puissance éolienne le jour suivant sur le marché de l'énergie » présenté par Olivier Vannier de la société CNR. Le but de ce challenge est de prédire la production d'énergie de six centrales éoliennes à partir de relevés météorologiques.
- « Prédiction du temps de réponse d'un véhicule de la Brigade des Sapeurs-Pompiers de Paris » présenté par Benjamin Berhault de l'organisme public BSPP. Le but de ce challenge est de prédire le temps entre la sélection d'un véhicule de la brigade et son arrivé sur place à partir du temps mesuré sur le passé et de données de véhicules.
- « Prédiction de la direction du Bitcoin à partir de données de sentiment » présenté par Marc des Ligneris de la société Napoléon AM. Le but de ce challenge est de prédire les rendements futurs du Bitcoin en les classant en trois catégories.
- « Classification de chants de dix espèces d'Odontocètes » présenté par Hervé Glotin de l'Université de Toulon. Le but de ce challenge est de classifier en dix catégories les enregistrements sonores d'animaux marins.
- « Prévision de défaillance dans une ligne de production » présenté par Eric Manouvrier de la société Valeo. Le but de ce challenge est de prédire le défaut de pièces d'usines durant leur assemblage. Cette prédiction pourra se faire à partir de relevés industriels, valeurs d'angles, de mesures logiques et autres.
- « Segmentation d'objets à partir d'images de synthèse » présenté par Eliot Angles de la société PhotoRoom. Le but de ce challenge est de construire un algorithme permettant de déterminer où se situe l'objet central d'une image. La solution est un ensemble de pixels.
- « Désagrégation de la courbe de charge d'un logement » présenté par Coline Baraize de la société BCM Energy. Étant donnée la consommation globale d'un logement, le but de ce challenge est de déterminer quelle part de cette consommation est attribuée à quel appareil parmi machine à laver, réfrigérateur, télévision et bouilloire.
- « Couverture d'un équinoxe par machine learning » présenté par Olivier Croissant de la société Natixis. Le but de ce challenge est de construire un modèle produisant une stratégie de réplication optimale d'une option à partir de la valeur de l'actif au cours du temps et d'autres valeurs de marché comme la volatilité.
