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’École normale supérieure, et par la Fondation des Sciences Mathématiques de Paris.
Challenges de données
Challenges 2020
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 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.
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 multimodale de données 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.
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.
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 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.
Prédiction de la direction du Bitcoin à partir de données de sentiment
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.
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 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.
Désagrégation de la courbe de charge d'un logement
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.
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.
