Plan de Site
Pages
- Baromètre des Directions Data 2021
- Baromètre des Directions Data 2022
- Blog
- Contact
- Experts
- Home
- IA de Confiance, du concept à l’action !
- L’IA au service de la performance
- L’IA dans l’énergie
- Mentions Légales
- Plan de site
- Politique de Confidentialité
- Politique de Cookies
- Presse
- Quant Approach
- Quant Lab
- Quant Stories
- Quant Touch
- Quant Village
- Quanters
- Ressources
Articles par catégorie
- Catégorie : AI Product
- Les difficultés et clés de succès du rôle de Product Owner sur un produit technique
- Load Testing Your Web Application with Locust
- Data as a Product : les clés pour définir les première briques à déployer
- IA et Prévisions de Ventes : quelles opportunités ?
- Construction d’une application sur-mesure pour la police de l’environnement
- Comment industrialiser une solution IA grâce à une interface web personnalisée ?
- Catégorie : Computer vision
- Intelligence artificielle en santé, focus sur un projet innovant : Innerve
- DALL-E 2 : derrière la hype, ruptures technologiques, opportunités et limites
- Comment choisir sa fonction de perte en Computer Vision ? – Partie 2
- Comment choisir sa fonction de perte en Computer Vision ? – Partie 1
- La segmentation Bayésienne appliquée aux IRM cérébraux
- Le Pruning de réseaux de neurones en Computer Vision
- Topological data analysis with Mapper
- Peu d’images labellisées ? Optez pour la Data Augmentation ! #1
- Techniques d’intelligibilité en Deep Learning appliquées à l’image
- Initiation à la DataViz en Réalité Augmentée
- Catégorie : Data & Sustainability
- Catégorie : Data Gouvernance
- Déployer des Data Domains : jouons au jeu des 7 erreurs !
- Le Data Mesh pour répondre aux enjeux de valorisation de la donnée à l’échelle de l’entreprise – Retour sur la construction d’une feuille de route de déploiement du Data Mesh
- Panorama du contexte réglementaire et des initiatives IA de confiance
- La gouvernance, élément indispensable d’une stratégie marketing data driven
- Évaluer sa maturité MLOps
- 10+ tips to deliver machine learning in production
- Les valeurs de Shapley en intelligibilité locale des modèles
- Comment créer et déployer une API de Machine Learning avec FastAPI ?
- Découverte de Snowflake comme solution de Data Mesh
- Nos recommandations pour réussir l’adoption d’Apache Spark en 2021
- How to cope with small data and/or time consuming labellisation ? #2
- Le serverless
- Pyomo : Optimisation sous contraintes en Python
- Comment utiliser les Window Functions sur Spark
- La data au service de la gestion de crise ?
- La gouvernance des données : par où commencer?
- AI in production : now the hard part
- Trois questions pour identifier son cycle de vie des modèles
- Projet IA : votre kit de survie pour la mise en production
- Système Expert et IA pour améliorer la qualité des données dans un contexte web complexe et dynamique
- Datalab, Datafab… Quelles sont les limites atteintes ?
- Catégorie : Data Privacy
- Catégorie : Data Strategy
- Catégorie : Data&Performance
- Catégorie : Data&Tech
- Catégorie : IA de confiance
- Estimer l’incertitude de manière adaptative en régression avec MAPIE
- Auditer ChatGPT, un enjeu de survie pour les LLMs en Europe
- Intelligence artificielle de confiance : en route vers la responsabilité by-design
- L’AI Act accélère le chantier de l’IA de confiance dans les entreprises
- Chat GPT et les secrets des Large Language Models
- L’acculturation à l’IA au cœur de la stratégie de BPCE
- Evitez le hors-piste à vos modèles d’IA grâce au contrôle des dérives !
- La frugalité, ou comment empêcher l’IA de franchir les limites
- Intelligence artificielle de confiance et explicabilité : ouvrir la boîte noire
- Loi de programmation militaire : l’enjeu de l’industrialisation de l’IA dans les armées et l’industrie de défense
- Intelligence artificielle de confiance et équité : éviter le piège d’ignorer les biais
- Qualité des données, ou la genèse de l’intelligence artificielle de confiance
- La Robustesse, un impératif pour une intelligence artificielle de confiance
- En intelligence artificielle, performance rime avec confiance
- Intelligence Artificielle de confiance – comprendre les enjeux de la prochaine décennie
- Audit interne des IAs : la confiance au coeur de la démarche
- Comment créer des modèles interprétables sans approximation ?
- Data Augmentation: How do GANs synthesize tabular data in recent studies?
- Domaine de validité – quels sont les indicateurs d’une IA de confiance ?
- Corriger les biais algorithmiques en IA grâce à l’Adaptation de Domaine par Transport Optimal
- Cycle de vie des modèles & AB testing, comment assurer la performance dans un processus industriel critique ?
- Vers le métier de Machine Learning Engineer
- Google & IA Responsable : Avancée ou formalité ?
- Intelligence Artificielle et Data Quality : comment corriger des données historiques impactées par la Covid 19 pour améliorer la qualité des prévisions ?
- Tech Sprint ACPR 2021 : retour sur notre victoire
- EACL 2021 – Revue des dernières innovations en NLP
- Intelligence Artificielle et éthique : comment définir et mesurer l’équité algorithmique ?
- Peut-on confier des calculs sur des données sensibles à un tiers sans lui faire totalement confiance ?
- L’IA de confiance : exigence et opportunité européenne
- IA pour l’assurance : risques et opportunités
- RPA – Automatisation de processus humains dans le secteur financier
- Qu’est-ce qu’une IA éthique ?
- Catégorie : IA device
- Dispositifs médicaux connectés : des opportunités florissantes pour de meilleurs soins de santé (2ème partie)
- Dispositifs médicaux connectés : des opportunités florissantes pour de meilleurs soins de santé (1ère partie)
- Les dispositifs médicaux connectés embarquant de l’IA ; demain, la vague
- Edge, Cloud ou les deux ?
- 5g, Edge Computing et Choixpeau Magique
- IA at the Edge
- Vers un standard d’évaluation des dispositifs médicaux embarquant de l’IA
- Catégorie : IA Strategy
- Quels futurs pour l’IA?
- Introduire des tests à un pipeline de données
- La data est au coeur du monde post-covid, retour sur le salon BigData Paris
- Le rôle du service Mesh dans une architecture microservices
- En route vers le cycle de vie des modèles !
- Table ronde « Stratégie Data : feuille de route, organisation, cas d’usage » de la 15ème édition du meetup Paris Data Ladies
- POC : pour quoi faire ?
- La percée de l’IA dans la Supply Chain – enseignements du Forum d’été
- Datalab, Datafab… Comment repousser ses limites ?
- Les notes de Quantmetry au salon Big Data Paris 2019
- Notre top 5 des articles les plus vus de 2018 : kubernetes, gouvernance des données, PMML, IoT et théorie des graphes
- Catégorie : Machine Learning
- Catégorie : Marketing
- Catégorie : NLP
- TALN 2023 – Revue des dernières innovations en NLP
- Comment Fine-tuner un modèle BERT pour une tâche de NER ?
- GPT-3, la dernière révolution du NLP ?
- Synthétiser vos emails en quelques mots
- Relation client : prioriser les demandes urgentes en période de crise
- Kaggle : COVID-19 Open Research Dataset Challenge (CORD-19)
- Labellisation : quels outils statistiques pour réduire le temps d’annotation ?
- Comment l’IA apprend à lire? Introduction au traitement automatique du langage
- Le BERT NLP de Google AI sur le banc de test !
- La labellisation pour du NLP à forte valeur ajoutée
- Cutting-edge NLP 1 : ULMFiT
- Paris Data Ladies au Trianon ! (NLP, GANs et Graphes)
- TALAGRAND – Traitement Automatique du LAngage au service du GRANd Débat National
- MobileNet, optimisation de la convolution pour les réseaux de neurones embarqués.
- Chatbot à la demande avec les APIs
- Sous le capot d’un Chatbot : le cerveau de Skynet
- Les ChatBots de A à Z
- Catégorie : Recherche et développement
- Les grandes tendances du moment en Times Series
- L’Open Source, vecteur annoncé de la démocratisation de l’IA
- Solution au problème de routage des véhicules par programmation linéaire optimisée par l’apprentissage automatique
- Record, un brevet et une aventure tech au service de la santé
- Covid-19 : Quel rôle pour la décentralisation dans la lutte contre le coronavirus ?
- Covid-19 : les GAFAM entrent en scène… pour augmenter le taux d’adoption du backtracking ? Partie 3
- Data et Covid-19 : où en est l’Europe ? Quels usages pour l’intelligence artificielle ? Partie 2
- Le Covid-19 fera-t-il bouger les lignes sur l’exploitation des données personnelles ? Partie 1
- Optimisez vos jointures spatiales avec PySpark et Geopandas
- Tabular data generation using Generative Adversarial Networks
- Classification et déséquilibre de classes
- Intelligence Artificielle en Data Science ? Et si l’automatisation du Machine Learning suffisait ?
- DeepFakes et autres générations… Que se cache-t-il derrière les GANs, le prochain game-changer de l’IA ?
- scikit-learn consortium : performance & parallel computing
- Like a Bull in a China Shop… Or How to Run Neural Networks on Embedded Systems
- Synthèse des conférences de DataJob Santé 2019
- L’intelligence artificielle, du buzzword à la réalité – Résumé des interventions de Luc Julia
- Capsule Network
- Consortium scikit-learn – Nouvelles fonctionnalités & intelligibilité
- Initiating a Data Strategy from scratch
- Le reinforcement learning et la conduite autonome : Nos essais sur AWS Deep racer
- Quantmetry au Hacking Health Camp 2019
- My Anova Experience : a glimpse at the Startup Studios
- Catégorie : Stratégie
- Catégorie : Time Series
- Time Series Feature Extraction
- Quantmetry’s Winning Methodology: Achieving an 8% Profitable Investment in M6 Forecasting Competition
- Défis et enjeux de la modélisation spatio-temporelle.
- Comment mieux modéliser, analyser et décider pour vos cas d’usage en prévision ?
- Orienter sa stratégie de reprise grâce à l’optimisation sous contraintes
- Machine Learning à partir de données spatio-temporelles : prioriser les zones de contrôle des pollutions diffuses par la Police de l’Environnement
- Les exemples adverses ne sont pas des erreurs, ce sont des features !
- Repenser sa stratégie de prévision et optimiser son activité
- Les directions financières à l’heure de la Data Science
- Prédire l’intensité d’une tempête et exploiter les avantages du Deep Learning
- Les prévisions probabilistes avec DeepAR
- Pris en flagrant délit par une IA ! Comment détecter les attaques de guichets automatiques bancaires.
- Amazon Personalize, Amazon Forecast : quel rôle pour le Data Scientist ?
- Comment s’adapter à l’évolution de la fraude ?
- Evolution des outils et méthodes de Forecast : quelles perspectives pour le S&OP de demain ?
- Catégorie : Uncategorized
- Intelligibilité d’un modèle lié un dispositif clé de la conformité
- Highlights of the 39th International Symposium on Forecasting: what you might have missed
- AI Paris 2019 – Résumé des conférences auxquelles nous avons assisté
- Les notes de Quantmetry sur Viva Technology 2019
- Quantmetry à l’IA Society – 4 mars 2019
- Meet Quantmetry at the CES 2019 with 2 new innovations
- PMML : un format pour l’interopérabilité des modèles de Machine Learning entre Entraînement et Production
- DataJob 2018 – Perspectives et limites de l’IA dans la santé
- IoT Data Platform Factory appliquée au “Smart Mobility”
- Synchronisation Microsoft Azure Active Directory avec Google Cloud Identity
- Tout ce que vous avez toujours voulu savoir sur ONNX
- Etat de l’art Kubernetes (K8s) mi-2018
- Les données personnelles c’est comme les légumes, il vaut mieux les hacher avant de les cuisiner
- Le Deep Learning pour accélérer le diagnostic par imagerie médicale
- Faîtes connaissance avec NiFi (1/2)
- Speech transcription: why and how to build a custom model?
- La petite histoire du T-test
- Comment créer une intelligence artificielle capable de finir le mythique Super Mario Bros (1985) ?
- Qui ignore la nature de sa data ne pourra faire avancer ses troupes
- Qu’est-ce que l’IA “en pratique” ? – La réponse de Stéphane Tanguy (EDF R&D)
- Les freins à l’industrialisation des projets de Data Science – Récit d’un petit déjeuner
- Qu’est-ce que l’IA “en pratique” ? – La réponse de Nicolas Polaillon (Euler Hermes)
- Meetup Med in Tech : Quels enjeux pour l’IA dans le domaine de la médecine ?
- Le Big Data au service de la santé
- Synthèse de la 7ème édition du meetup Paris Data Ladies !
- Parcoursup : 887 681 mariages et un enterrement ?
- Education et AI : retours sur l’intervention de Cédric Villani à l’Unesco
- Synthèse de la 6ème édition du meetup Paris Data Ladies !
- Un aspect fondamental du rapport Villani : l’explicabilité de l’IA
- Approches de l’intelligence artificielle – Partie II
- Approches de l’intelligence artificielle – Partie I
- La gouvernance de la data, cette aventure humaine
- AI & Society : quelle éthique pour l’intelligence artificielle ?
- Quand l’intelligence artificielle s’attaque à la fraude : le problème des biais de sélection
- Big Data Paris 2018 : Fast data, data literacy et enfin RGPD !
- Données externes et open data : effet de mode ou réelle valeur ajoutée ?
- Tout est graphe ! Comment identifier les rôles stratégiques des influenceurs d’un réseau ?
- Logistique et data : vers un outil d’aide à la décision
- Women in Data Science Paris – March 8th, get ready!
- Let’s make our planet great again !
- Arriveriez-vous à prédire les consommations énergétiques grâce aux données météo ? Prouvez-le !
- Tout est graphe ! Détection de communautés : théorie et retour d’expérience
- Pourquoi faut-il modéliser les données ?
- AlphaZero : 1 algorithme, 3 jeux de plateau maîtrisés
- Q-Deep : une plateforme d’analyse d’image à la hauteur des défis de demain
- Quels usages pour la technologie blockchain ?
- Les ordinateurs ont appris à bluffer. Et ça va tout changer. (2/2)
- Tout est graphe ! Introduction à une théorie aux applications multiformes
- Comment exposer les données du DataLake ?
- Expansion internationale avec une approche analytique
- Les ordinateurs ont appris à bluffer. Et ça va tout changer ! (1/2)
- Data : les utilisateurs et leurs besoins
- Santé du Sein à l’heure du Digital : Evolution ? Révolution !
- Hackathon AI Labs – mode d’emploi pour survivre jusqu’au bout des 50h
- Pourquoi écrire ensemble ?
- La terminologie Data
- Retour sur les Google Developer Days Europe 2017
- Les 5 concepts-clés du RGPD version 2018
- La logistique et le big data : ils sont faits pour se rencontrer
- Hackathon AI Labs : une idée claire pour un objectif à la portée !
- A Berlin, même les #buzzwords ont leur conférence !
- Le football du futur : couleur des chaussures, Big Data et stratégie
- Programmation des blockchains et “smart contracts”
- Consolider et intégrer ses outils marketing pour mieux fidéliser ses clients
- Ces algorithmes chasseurs de fraudeurs
- Statistique & Machine Learning : Retour sur StatLearn 2017
- Blockchain : fonctionnement du protocole
- Documenter son propre code : petit guide de survie
- Santé, IoT et Machine Learning : Quantmetry primé au Hacking Health Camp 2017
- #FranceIA : une stratégie pour la France en intelligence artificielle !
- IoT et cyber-sécurité : et si quelqu’un espionnait vos enfants ?
- Quantmetry publie son nouveau Livre Blanc !
- Comment modéliser la valeur de vie client dans un cadre contractuel ?
- Classification Supervisée et Asymétrie … des mots qui vont bien ensemble !
- BI vs Big Data
- La PyCon, c’est quoi ?
- Comment apprend-on aux machines à tuer des aliens?
- Architecture des ordinateurs (2/2)
- Maintenance Prédictive et Séries Temporelles
- Abeille ou bourdon ? Activons les neurones (2/2)
- Introduction au Sequence Mining
- A l’occasion d’Octobre Rose, Quantmetry s’engage dans la lutte contre le cancer du sein
- Marketing Prescriptif : comment l’Intelligence Artificielle peut comprendre si le consommateur souhaite recevoir une publicité ?
- Modèle d’attribution : cap vers le data-driven
- Plateforme IoT et smart cities
- Maintenance prédictive : un sujet brûlant
- Smart Cities et data science – Partie 2
- Haro sur la fraude !
- Big Data : pour une révolution responsable
- Transformation digitale par la data : les 10 clés du succès
- Smart Cities et data science – Partie 1
- Agilité et datascience : ce n’est pas si simple !
- Abeille ou bourdon ? Activons les neurones
- Initiation au Clustering
- Une petite histoire du Machine Learning
- Architecture des ordinateurs
- Le fléau de la dimension : techniques de sélection de variables
- L’analyse de données et le Big Data au service de l’efficacité énergétique : le bâtiment connecté
- Big Data : la France en pointe !
- Le Deep Learning : plongée en eaux profondes
- Regard sur Strata + Hadoop World 2015
- Model As Code : automatisation du déploiement de modèles R en production (2/2)
- Petit déjeuner Quantmetry x R&D d’EDF : l’approche Model As Code
- Les apports du Big Data aux entreprises du secteur tertiaire
- Clustering, DBSCAN et politique
- Histoire du Hacking Health camp 2015!
- Model As Code : automatisation du déploiement de modèles R en production (1/2)
- Initiation au Machine Learning
- Le prix de l’innovation et celui de la BPI France pour Quantmetry #HHCAMP
- My first Kaggle challenge : the Avazu CTR contest – Part 2
- My first Kaggle challenge : the Avazu CTR contest
- Data Science at the command line
- Catégorie : Upskilling data
Articles de glossaire
- Large Language Models
- Data academy
- Upskilling data ou formation data
- Data gouvernance
- Industrie 4.0
- Computer vision
- Data quality
- Valeur de Shapley
- Data Discovery
- Cognitive bias
- DevOps
- Intelligence artificielle de confiance
- Edge computing
- Data Lake
- Scikit-learn
- Biais algorithmique
- AI device
- Intelligence artificielle frugale
- DataOps
- MLOps
- Spark
- Serverless
- IA embarquée
- Kubernetes
- Réglementation européenne IA de confiance
- RPA
- Charte éthique IA
- Data mesh
- Cycle de vie des modèles
- BERT NLP