BEGIN:VCALENDAR VERSION:2.0 PRODID:-//datacraft - ECPv6.17.5.1//NONSGML v1.0//EN CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALNAME:datacraft X-ORIGINAL-URL:https://datacraft.paris X-WR-CALDESC:Events for datacraft REFRESH-INTERVAL;VALUE=DURATION:PT1H X-Robots-Tag:noindex X-PUBLISHED-TTL:PT1H BEGIN:VTIMEZONE TZID:Europe/Paris BEGIN:DAYLIGHT TZOFFSETFROM:+0100 TZOFFSETTO:+0200 TZNAME:CEST DTSTART:20200329T010000 END:DAYLIGHT BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET DTSTART:20201025T010000 END:STANDARD BEGIN:DAYLIGHT TZOFFSETFROM:+0100 TZOFFSETTO:+0200 TZNAME:CEST DTSTART:20210328T010000 END:DAYLIGHT BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET DTSTART:20211031T010000 END:STANDARD BEGIN:DAYLIGHT TZOFFSETFROM:+0100 TZOFFSETTO:+0200 TZNAME:CEST DTSTART:20220327T010000 END:DAYLIGHT BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET DTSTART:20221030T010000 END:STANDARD BEGIN:DAYLIGHT TZOFFSETFROM:+0100 TZOFFSETTO:+0200 TZNAME:CEST DTSTART:20230326T010000 END:DAYLIGHT BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0100 TZNAME:CET DTSTART:20231029T010000 END:STANDARD END:VTIMEZONE BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20220106T170000 DTEND;TZID=Europe/Paris:20220106T190000 DTSTAMP:20211217T135921Z CREATED:20211213T154311Z LAST-MODIFIED:20211217T135921Z UID:6349-1641488400-1641495600@datacraft.paris SUMMARY:LE JEU DE L'IA® DESCRIPTION:Inscription\n \n \n \n \n \n datacraft vous invite à venir découvrir le Jeu de l’IA® créé par Frédéric Oru\, qui animera une session de jeu lors d’un atelier ludique et collaboratif. \nCe jeu a pour but de découvrir les fondamentaux de l’intelligence artificielle et de réfléchir collectivement à l’usage de l’IA en entreprise. Vous pourrez vivre l’expérience du Jeu et aurez les moyens de l’animer vous-mêmes dans votre entreprise si vous le souhaitez. \nConçu spécifiquement pour les métiers\, le Jeu permet à chacun\, quel que soit ses compétences\, de comprendre les enjeux de l’intelligence artificielle\, d’identifier des cas d’application dans son quotidien opérationnel et être prêt à s’impliquer dans un projet d’IA avec des équipes techniques internes ou externes. \nCompétences techniques requises : Bonne maîtrise des concepts d’Intelligence Artificielle \nLe Jeu de l’IA est distribué sous licence Creative Commons BY-NC-ND 3.0 FR (Attribution – Pas d’Utilisation Commerciale – Pas de Modification) \nPour en savoir plus sur le jeu : https://www.ai4better.com/le-jeu-de-l-ia URL:https://datacraft.paris/event/le-jeu-de-lia/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211215T190000 DTEND;TZID=Europe/Paris:20211215T203000 DTSTAMP:20211125T153001Z CREATED:20211125T151041Z LAST-MODIFIED:20211125T153001Z UID:6264-1639594800-1639600200@datacraft.paris SUMMARY:Paris Data Ladies #29 - Utiliser la data et l'IA au service de l'environnement DESCRIPTION:inscription\n \n \n \n \n \n Paris Data Ladies en partenariat avec datacraft vous donne rendez-vous le mercredi 15 décembre à 19h sur le thème “Utiliser la data et l’IA au service de l’environnement” \nParis Data Ladies\, ce sont des speaks de qualité\, des talks animés par des femmes de la Data (développeuse\, Data Scientist\, Data engineer\, …)\, des échanges passionnés\, un meetup membre du collectif associatif Femmes@Numerique\, visant à promouvoir la parité dans le secteur. \nAu programme : \nLou WELGRYN\, Carbon data analyst @Carbon4\, “Comment orienter les financements vers les entreprises qui intègrent le mieux les enjeux environnementaux ?” \nSandra LACAZE\, Founder & CEO @MatchMarket\, “Stop à la surproduction : intégrer l’IA dans la mode pour éviter les invendus ! (même quand on n’est pas data scientist)” \nCamille KEISSER\, MSc Data Science for business X-HEC student @CodeCarbon “CodeCarbon : Mesurer les émissions de votre code” \nMaya SAHRAOUI\, PHD student @Sorbonne Center for Artificial Intelligence (SCAI)/LIP6/Muséum National d’Histoire Naturel “Distantly supervised text-to-graph model for species identification” \nDéroulement de la soirée : \nÉvènement en présentiel !▶️ 19h00 – Lancement des talks – Présentation des speakeuses⏩ 19h15 – Début des présentations puis session de Q&A avec les intervenantes⏹ 20h30 – Cocktail ! \nCe meetup est bien sûr ouvert à tous\, homme\, femme\, étudiant(e)\, Data Scientist\, Data Engineer ou passionné(e) par la Data… Venez partager votre expérience et échanger autour d’un verre avec nos speakeuses ! \nINSCRIPTION OBLIGATOIRE SUR LE SITE: https://www.eventbrite.fr/e/billets-meetup-paris-data-ladies-29-215350116997 \nInscription obligatoire et pass sanitaire demandé. URL:https://datacraft.paris/event/paris-data-ladies-29-utiliser-la-data-et-lia-au-service-de-lenvironnement/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211210T140000 DTEND;TZID=Europe/Paris:20211210T180000 DTSTAMP:20211205T103817Z CREATED:20211007T132932Z LAST-MODIFIED:20211205T103817Z UID:5980-1639144800-1639159200@datacraft.paris SUMMARY:INTERPRETABILITE - SHAPLEY DANS TOUS SES ETATS ! DESCRIPTION:inscription\n \n \n \n \n \n Atelier datacraft animé par Charles Tremblay\, fondateur de Kobia\, start-up spécialisée en IA sur données structurées. \n\n\nÀ propos de cet évènement : \n\n\nLes valeurs de Shapley se sont largement popularisées pour interpréter les modèles d’intelligence artificielle depuis leur lancement par Lundberg & Lee en 2017. Avec leur promesse de bonnes propriétés logiques\, leur méthode locale et l’excellente UX du package SHAP\, elles semblaient cocher toutes les cases. Certaines déceptions furent à la mesure des attentes\, et des critiques substantielles – tant de la part de scientifiques que de praticiens – sont aujourd’hui adressées aux valeurs de Shapley. \nAlors\, que peuvent-elles et que ne peuvent-elles pas ? Sur quels fondements mathématiques reposent les Shapley et quelles sont leurs failles empiriques ? C’est à ces questions que nous répondrons\, par la théorie et la pratique. \nProgramme de l’atelier : \n1. Rappels (rapides !) sur les notions d’interprétabilité \n2. Approches marginales et conditionnelles\, les piliers de l’interprétabilité d’un modèle \n3. Valeurs de Shapley : la théorie des jeux \n4. = 2. + 3. : Adapter les valeurs de Shapley aux modèles prédictifs \nCompétences techniques prérequises : Connaissance de base en machine learning et en Python URL:https://datacraft.paris/event/interpretabilite-shapley-dans-tous-ses-etats/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211125T140000 DTEND;TZID=Europe/Paris:20211125T173000 DTSTAMP:20211109T103851Z CREATED:20210705T093922Z LAST-MODIFIED:20211109T103851Z UID:4625-1637848800-1637861400@datacraft.paris SUMMARY:ASSOCIATIONS CAUSALES DANS LES TWEETS LIÉS AU DIABÈTE DESCRIPTION:inscription\n \n \n \n \n \n \n\nAtelier animé par Adrian Ahne\, Epiconcet \nLes données des médias sociaux\, comme Twitter\, offrent une opportunité unique d’étudier des données en temps-réel qui ne sont pas disponibles dans un cadre clinique traditionnel. Nous avons commencé à collecter des tweets liés au diabète en mai 2017 sur la base d’une liste prédéfinie de mots-clés et avons rassemblé depuis plus de 30 millions de tweets. Dans la présente étude\, nous visons à identifier les associations causales possibles liées au diabète dans ces tweets\, en mettant particulièrement l’accent sur les associations de détresse liées au diabète. La détresse diabétique regroupe tous les facteurs psychologiques\, tels que l’anxiété\, la peur\, le stress\, les émotions\, liés à la gestion quotidienne de la maladie. Nous visons à identifier de nouveaux facteurs de risque potentiels pour le diabète et la détresse liée au diabète et à caractériser les possibles paires de cause-effet liées au diabète afin de mieux comprendre la maladie\, ses relations avec différentes entités et de décrire les préoccupations et les inquiétudes liées au diabète. partagé par des personnes sur Twitter. \nProgramme & Discussion: \nPrésentation NLP (BERT\, Transformers) & Active learning & Causality in text data \nPrésentation cause – effet dataset \nPre-training et nettoyage des données \nIdentification association causal & Optimisation URL:https://datacraft.paris/event/donnees-twitter-analyse-de-la-viralite-et-propagation-dune-fake-news-5/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211119T140000 DTEND;TZID=Europe/Paris:20211119T173000 DTSTAMP:20211112T104123Z CREATED:20211105T111605Z LAST-MODIFIED:20211112T104123Z UID:6223-1637330400-1637343000@datacraft.paris SUMMARY:DÉTECTION D’ANOMALIES À PARTIR DE DONNÉES STRUCTURÉES – APPLICATION À LA DÉTECTION D’INTRUSION DESCRIPTION:inscription\n \n \n \n \n \n Atelier animé par Corentin Laroche\, Telecom Paris. \nLes journaux d’événements constituent un historique des activités menées sur l’ensemble des machines d’un parc informatique. Ils présentent ainsi deux caractéristiques principales : d’une part\, ils offrent une grande visibilité sur l’état présent et passé du réseau\, ce qui est particulièrement intéressant dans le cadre de la détection d’intrusion. D’autre part\, leur volume est considérable\, ce qui rend leur exploitation ardue. Dans cet atelier\, nous étudierons l’utilisation d’algorithmes de détection d’anomalies dans le but de faciliter la détection d’activité malveillante dans des journaux d’événements. Nous nous focaliserons sur la nature particulière de ces journaux et ce qu’elle implique en termes de modélisation : en effet\, les événements n’étant pas des données numériques ou vectorielles\, leur analyse repose sur des concepts de statistique discrète et combinatoire. \nAu programme:Introduction : journaux d’événements\, intrusions\, détectionFormalisation du problème et lien avec la détection d’anomalies– Première approche : agrégation et conversion en données vectorielles– Deuxième approche : agrégation et représentation par des graphes– Troisième approche : graphe utilisateur-hôte global– Quatrième approche : modèle combinatoire d’ordre supérieurConclusion : de l’importance de la représentation des données \nJeux de données : journaux d’événements de 12000 utilisateurs sur 13 jours soit 27 millions d’événements dont environ 500 correspondent à des attaques \nRecherche liée : Multi-Dimensional Anomalous Entity Detection via Poisson Tensor Factorization\, par Eren\, Moore et Alexandrovhttps://mdsoar.org/handle/11603/20287 URL:https://datacraft.paris/event/detection-danomalies-a-partir-de-donnees-structurees-application-a-la-detection-dintrusion/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211118T183000 DTEND;TZID=Europe/Paris:20211118T203000 DTSTAMP:20211110T185227Z CREATED:20210715T082637Z LAST-MODIFIED:20211110T185227Z UID:4692-1637260200-1637267400@datacraft.paris SUMMARY:Soirée CDO & HR - Les talents autistes ou Asperger dans la data : mieux les comprendre\, les recruter et les intégrer dans ses équipes DESCRIPTION:inscription\n \n \n \n \n \n Soirée avec la participation de : \nFlora Thiébaut\, COO d’auticonsult \net les témoignages de managers\, de data scientists autiste et non-autistes ayant fait l’expérience de travailler ensemble sur des projets data. \nFlora Thiébaut\, psychologue clinicienne et cofondatrice d’auticonsult abordera les quatre grands thèmes suivants : L’autisme\, quel bassin de talents data. Forces cognitives autistiques et forces cognitives valorisées dans la data. Comment adapter son recrutement. Comment manager les talents autistes. \nCette présentation sera accompagnée de témoignages et de temps de discussion. \nLe format très interactif vous permettra d’échanger avec tous les participants et de poser vos questions dans une ambiance informelle. La soirée aura lieu dans nos locaux au Centre d’Intelligence Artificielle de la Sorbonne à Jussieu et sera suivie d’un cocktail à partir de 19h30. \nLe nombre de places est limité et la participation est sur invitation seulement. \nCet événement est labellisé “Paris AI week”. URL:https://datacraft.paris/event/les-autistes-asperger-talents-de-la-data-mieux-les-comprendre-les-recruter-et-les-integrer-dans-ses-equipes/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211116T140000 DTEND;TZID=Europe/Paris:20211116T180000 DTSTAMP:20211109T091138Z CREATED:20210923T141353Z LAST-MODIFIED:20211109T091138Z UID:5892-1637071200-1637085600@datacraft.paris SUMMARY:AI FAIRNESS ET BIAIS DES ALGORITHMES DESCRIPTION:inscription\n \n \n \n \n \n Atelier datacraft animé par Antoine Isnardy\, Senior Data Scientist chez Danone et Théo Alves Da Costa\, Manager Data Science chez Ekimetrics. \nEn collaboration entre les différents membres de la communauté datacraft\, nous travaillons sur la data science responsable avec de nombreuses questions autour des biais\, de la transparence\, et de l’empreinte environnementale des algorithmes. Nous souhaitons notamment élaborer ensemble des outils et des méthodologies open source pour transformer nos outils du quotidien et apporter des réponses concrètes sur les questions d’IA éthique. \nCet atelier sera l’occasion : \n– d’échanger sur les composantes d’une IA de confiance \n– de présenter une synthèse des outils existants (AIF360\, Fairlearn\, Aequitas\, What if tool\, dalex….) \n– de manipuler les librairies et d’aborder les méthodes de détection de biais et de mitigation \nCet événement est labellisé “Paris AI week”. URL:https://datacraft.paris/event/ai-fairness-et-biais-des-algorithmes-4/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211109T140000 DTEND;TZID=Europe/Paris:20211109T170000 DTSTAMP:20211108T091745Z CREATED:20211012T081126Z LAST-MODIFIED:20211108T091745Z UID:5990-1636466400-1636477200@datacraft.paris SUMMARY:DONNEES SYNTHETIQUES : METHODES DE GENERATION ET LIMITES DESCRIPTION:inscription\n \n \n \n \n \n \n\n\n\nAtelier animé par Gilles Essoki & Aymeric Floyrac\, Health Data Hub \n\nDescription  \nCertaines bases de données sont particulièrement complexes à manipuler\, voire inaccessibles pour le datascientist (pour des raisons\, par exemple\, d’autorisations). Disposer de données synthétiques\, c’est-à-dire de données semblables aux données réelles mais générées aléatoirement\, permet au datascientist de développer des scripts et d’acquérir une maîtrise de la base sans jamais l’avoir vue. \n\nProgramme \n\nIntroduction: les données synthétiques\, définition et intérêt\nComment créer des données synthétiques?\n\npremière approche: sans avoir accès à la base de données réelle\ndeuxième approche: les problèmes de confidentialité\, l’avatarisation\ntroisième approche: les méthodes de deep learning (réseaux adverses génératifs\, autoencodeurs variationnels)\n\n\nConclusion: choisir la meilleure approche et savoir en identifier les limites\n\n\nPré-requis \n\nNotions de deep Learning\nNotions de Python\n\n\n\nCet événement est labellisé “Paris AI week”. \n\n \n\n\n\n\n\n\n \n  URL:https://datacraft.paris/event/donnees-synthetiques-methodes-de-generation-et-limites/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211104T140000 DTEND;TZID=Europe/Paris:20211104T160000 DTSTAMP:20211015T122249Z CREATED:20210715T135530Z LAST-MODIFIED:20211015T122249Z UID:4708-1636034400-1636041600@datacraft.paris SUMMARY:S’il vous plait\, …dessine-moi une explication - Partie 2 DESCRIPTION:inscription\n \n \n \n \n \n Atelier animé par Christophe Denis\, maître de conférence\, Sorbonne Université\, LIP6 \nExplicabilité en apprentissage des concepts en philosophie des sciences\, en statistiques et informatique jusqu’aux études de cas. \nObjectifs du groupe de travail : \nL’amélioration des techniques de traitement de l’information a fortement amélioré la numérisation de nombreux secteurs de notre société\, impactant également le monde scientifique. Depuis les travaux fondateurs de Galilée sur la mathématisation du monde\, les connaissances scientifiques se sont considérablement améliorées grâce à l’approche hypothético-déductive qui décrit la physique réelle d’un phénomène par un modèle utilisant le plus souvent des équations mathématiques. Cependant\, l’approche hypothético-déductive atteint certaines limites pour prédire et expliquer des phénomènes plus complexes et parfois couplés. Dans le même temps\, en 2010\, l’apprentissage machine a produit des résultats spectaculaires dans le domaine de la reconnaissance de formes\, par exemple pour bouleverser radicalement la discipline du traitement du signal. Cependant\, l’utilisation de l’apprentissage machine pose des problèmes opérationnels\, juridiques et éthiques. L’un des principaux défis est de fournir des explications éthiques aux résultats générés par une application basée sur l’apprentissage machine considérée comme une boîte noire. L’objectif de cet atelier est de présenter les concepts clés de l’explicabilité de l’apprentissage machine à la fois en présentant des notions essentielles en philosophie des sciences à relier aux méthodes informatiques utilisées pour extraire des informations des prédictions des réseaux de neurones. \n  \nOrganisation de l’atelier \nSeconde séance du 13 octobre : \n\nPrésentation d’une palette de méthodes informatiques permettant d’extraire de l’information de méthodes d’apprentissage machine.\nTest de ces méthodes sur les cas d’usage.\n\nDes cas d’usage génériques seront proposés sur cet atelier pour tester les méthodes. Toutefois\, les participantes et les participants sont invités à proposer et présenter lors de la première séance de l’atelier leurs propres cas d’usage. \nPrérequis : Connaissance de base en machine learning et en langage pythonBesoins matériels : Ordinateur portable disposant d’un environnement python\, la distribution multi-plateforme Anaconda est recommandée URL:https://datacraft.paris/event/sil-vous-plait-dessine-moi-une-explication-partie-2/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211029T140000 DTEND;TZID=Europe/Paris:20211029T173000 DTSTAMP:20211015T103719Z CREATED:20210723T132707Z LAST-MODIFIED:20211015T103719Z UID:5399-1635516000-1635528600@datacraft.paris SUMMARY:Cybersécurité - détection d'intrusion : analyse de journaux d'événements structurés DESCRIPTION:inscription\n \n \n \n \n \n Animé par Corentin Larroche\, Télécom Paris \nLes journaux d’événements constituent un historique des activités menées sur l’ensemble des machines d’un parc informatique. Ils présentent ainsi deux caractéristiques principales : d’une part\, ils offrent une grande visibilité sur l’état présent et passé du réseau\, ce qui est particulièrement intéressant dans le cadre de la détection d’intrusion. D’autre part\, leur volume est considérable\, ce qui rend leur exploitation ardue. Dans cet atelier\, nous étudierons l’utilisation d’algorithmes de détection d’anomalies dans le but de faciliter la détection d’activité malveillante dans des journaux d’événements. Nous nous focaliserons sur la nature particulière de ces journaux et ce qu’elle implique en termes de modélisation : en effet\, les événements n’étant pas des données numériques ou vectorielles\, leur analyse repose sur des concepts de statistique discrète et combinatoire. \nAu programme: \n\nIntroduction : journaux d’événements\, intrusions\, détection\nFormalisation du problème et lien avec la détection d’anomalies– Première approche : agrégation et conversion en données vectorielles– Deuxième approche : agrégation et représentation par des graphes– Troisième approche : graphe utilisateur-hôte global– Quatrième approche : modèle combinatoire d’ordre supérieur\nConclusion : de l’importance de la représentation des données URL:https://datacraft.paris/event/cybersecurite-detection-dintrusion-analyse-de-journaux-devenements-structures/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211029T110000 DTEND;TZID=Europe/Paris:20211029T120000 DTSTAMP:20211015T123727Z CREATED:20211015T123722Z LAST-MODIFIED:20211015T123727Z UID:6013-1635505200-1635508800@datacraft.paris SUMMARY:MINDSHAKE TIME : NLP - FEW SHOT LEARNING - SENTIMENT ANALYSIS DESCRIPTION:inscription\n \n \n \n \n \n \n\n“Ce deuxième rendez-vous se propose d’approfondir les approches partagées lors de la première session. \nOn reviendra notamment sur les approches PET et ADAPET issues de ces 2 papiers de recherche https://arxiv.org/pdf/2001.07676.pdf\, https://arxiv.org/pdf/2103.11955.pdf.” \nAnimé par Nicolas Chesneau\, Lead Tech Machine Learning URL:https://datacraft.paris/event/mindshake-time-nlp-few-shot-learning-sentiment-analysis/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211028T140000 DTEND;TZID=Europe/Paris:20211028T170000 DTSTAMP:20210913T194520Z CREATED:20210705T091029Z LAST-MODIFIED:20210913T194520Z UID:4620-1635429600-1635440400@datacraft.paris SUMMARY:DONNÉES TWITTER : ANALYSE DE LA VIRALITÉ ET PROPAGATION D’UNE FAKE NEWS DESCRIPTION:inscription\n \n \n \n \n \n Atelier animé par Pierre Foulquié\, responsable data science\, Kap Code et Yann Girard\, manager data science et résident datacraft \nChaque dernier jeudi du mois\, nous nous retrouvons l’après-midi pour un atelier sur les données de Twitter. Si vous travaillez sur ce type de données\, ou si simplement le sujet vous intéresse : rejoignez-nous. \nLes réseaux sociaux comme Twitter sont un moyen de créer du lien mais aussi\, pour certains\, utilisateurs d’y propager\, de manière consciente ou non\, des fausses informations\, communément appelées fake news. \nNous proposons d’étudier les différents aspects de la désinformation sur les réseaux sociaux à travers un jeu de données centré autour d’une fake news sur la vaccination contre la Covid-19. Plusieurs axes sont à explorer : \n\nla viralité de cette information et l’analyse des utilisateurs qui y participent ou qui la combattent (analyse de réseaux\, de communauté\, caractérisation des utilisateurs)\nle contenu échangé sur ce sujet : les liens\, le texte\, les images\, les vidéos…\n\nLes prochaines dates sont le 25 novembre et le 30 décembre 2021. URL:https://datacraft.paris/event/donnees-twitter-analyse-de-la-viralite-et-propagation-dune-fake-news-4/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211026T090000 DTEND;TZID=Europe/Paris:20211026T120000 DTSTAMP:20211015T125130Z CREATED:20210920T201810Z LAST-MODIFIED:20211015T125130Z UID:5882-1635238800-1635249600@datacraft.paris SUMMARY:AI FAIRNESS ET BIAIS DES ALGORITHMES DESCRIPTION:inscription\n \n \n \n \n \n Atelier datacraft animé par Antoine Isnardy\, Senior Data Scientist chez Danone et Théo Alves Da Costa\, Manager Data Science chez Ekimetrics. \n\nEn collaboration entre les différents membres de la communauté datacraft\, nous avons lancé le cercle de réflexion sur la data science responsable avec de nombreuses questions autour des biais\, de la transparence\, et de l’empreinte environnementale des algorithmes. Nous souhaitons notamment travailler ensemble à l’élaboration d’outils et méthodologies open source pour transformer nos outils du quotidien et apporter des réponses concrètes sur les questions d’IA éthique. \n\nUn moment d’échange et de collaboration pour tester d’autres outils et construire ensemble cette boite à outil de la Data Science responsable. \nExemple d’outils testés : \n– Aequitas (http://aequitas.dssg.io) \n– AI Fairness 360 (https://aif360.mybluemix.net) \n– Fairlean (https://fairlearn.org) \n\nRetrouver les travaux passés sur notre Github : https://github.com/datacraft-paris/Fairness-Benchathon \n\nPrérequis : \n– Bonne maîtrise de Python URL:https://datacraft.paris/event/ai-fairness-et-biais-des-algorithmes-3/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211022T140000 DTEND;TZID=Europe/Paris:20211022T160000 DTSTAMP:20210913T192313Z CREATED:20210702T122100Z LAST-MODIFIED:20210913T192313Z UID:4592-1634911200-1634918400@datacraft.paris SUMMARY:Multivariate and functional anomaly detection - Part 3 DESCRIPTION:inscription\n \n \n \n \n \n Workshop led by Pavlo Mozharovskyi\, Telecom Paris. \nAnomaly detection (Chandola et al.\, 2009) is a branch of machine learning which aims at identifying observations that exhibit abnormal behavior. Be it measurement errors\, disease development\, severe weather\, production quality default(s) (items) or failed equipment\, financial frauds or crisis events\, their on-time identification\, isolation and explanation constitute an important task in almost any branch of industry and science. \nDuring this workshop\, one of these following topic will be discussed : \n\nthe concept of data depth in both functional and multivariate settings\,\nreview most common notion of the depth function (halfspace (Tukey\, 1975)\, projection (Zuo & Sefling\,2000)\, zonoid (Mosler\, 2002)\, spatial depth (Koltchinskii\, 1997); integrated (Claeskens et al.\, 2014) and curve (Lafaye De Micheaux et al.\, 2020) functional depths\, functional isolation forest Staerman et al. (2019)\nfocus on a number of real-world applications ranging from simulated situations to hurricane tracks and brain imaging.\n\n  \nPlease note that the workshop will be conducted in French or English depending on the participants. URL:https://datacraft.paris/event/multivariate-and-functional-anomaly-detection-part-3/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211022T130000 DTEND;TZID=Europe/Paris:20211022T143000 DTSTAMP:20211005T130706Z CREATED:20211005T093524Z LAST-MODIFIED:20211005T130706Z UID:5968-1634907600-1634913000@datacraft.paris SUMMARY:Rencontre entre étudiants en master IA et entreprises DESCRIPTION:inscription\n \n \n \n \n \n \n\n \n\n\n\n\nÀ propos de cet évènement : \n\n\ndatacraft organise avec le Sorbonne Center for Artificial Intelligence SCAI\, une rencontre entre les étudiants de master 2 de Sorbonne Université en recherche de stage sur des thématiques d’intelligence artificielle et les entreprises membres de la communauté datacraft. \nLes étudiants de Master 2 réalisent généralement leur stage à compter de Février-Mars\, leurs recherches commencent donc maintenant pour 2022 ! \nLes formations intégrant de l’intelligence artificielle sont nombreuses au sein de Sorbonne Université (environ 300 étudiants en Master 2)\, l’enseignement est innovant\, exigeant et résolument tourné vers le monde professionnel. \nSi vous avez une offre de stage que vous souhaitez partager\, n’hésitez pas à nous envoyer quelques lignes (missions\, profil d’étudiant\, compétences recherchées et dates. \nLe meilleur moyen de matcher est toujours de se rencontrer\, nous vous proposons donc un speed dating décontracté à l’heure du déjeuner ! Une quarantaine d’étudiant.e.s de Sorbonne Université seront réunis pour rencontrer leur futur.e. maître de stage le vendredi 22 octobre de 13h à 14h30\, dans nos locaux au SCAI\, 4 Place Jussieu\, 75005 Paris. \nAu programme : \no Présentation de votre entreprise et de votre offre de stage (5 min par intervenant)\, \no Discussion et déjeuner avec des étudiants de qualité (très) motivés\, \no Vous avez rencontré la perle rare ? Échangez vos coordonnées ! URL:https://datacraft.paris/event/rencontre-entre-etudiants-en-master-ia-et-entreprises/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211014T090000 DTEND;TZID=Europe/Paris:20211014T120000 DTSTAMP:20210920T201217Z CREATED:20210920T201212Z LAST-MODIFIED:20210920T201217Z UID:5875-1634202000-1634212800@datacraft.paris SUMMARY:AI FAIRNESS ET BIAIS DES ALGORITHMES DESCRIPTION:inscription\n \n \n \n \n \n Atelier datacraft animé par Antoine Isnardy\, Senior Data Scientist chez Danone et Théo Alves Da Costa\, Manager Data Science chez Ekimetrics. \n\nEn collaboration entre les différents membres de la communauté datacraft\, nous avons lancé le cercle de réflexion sur la data science responsable avec de nombreuses questions autour des biais\, de la transparence\, et de l’empreinte environnementale des algorithmes. Nous souhaitons notamment travailler ensemble à l’élaboration d’outils et méthodologies open source pour transformer nos outils du quotidien et apporter des réponses concrètes sur les questions d’IA éthique. \n\nUn moment d’échange et de collaboration pour tester d’autres outils et construire ensemble cette boite à outil de la Data Science responsable. \nExemple d’outils testés : \n– Aequitas (http://aequitas.dssg.io) \n– AI Fairness 360 (https://aif360.mybluemix.net) \n– Fairlean (https://fairlearn.org) \n\nRetrouver les travaux passés sur notre Github : https://github.com/datacraft-paris/Fairness-Benchathon \n\nPrérequis : \n– Bonne maîtrise de Python URL:https://datacraft.paris/event/ai-fairness-et-biais-des-algorithmes-2/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211008T140000 DTEND;TZID=Europe/Paris:20211008T160000 DTSTAMP:20210913T192458Z CREATED:20210702T121820Z LAST-MODIFIED:20210913T192458Z UID:4586-1633701600-1633708800@datacraft.paris SUMMARY:Multivariate and functional anomaly detection - Part 2 DESCRIPTION:inscription\n \n \n \n \n \n Workshop led by Pavlo Mozharovskyi\, Telecom Paris. \nAnomaly detection (Chandola et al.\, 2009) is a branch of machine learning which aims at identifying observations that exhibit abnormal behavior. Be it measurement errors\, disease development\, severe weather\, production quality default(s) (items) or failed equipment\, financial frauds or crisis events\, their on-time identification\, isolation and explanation constitute an important task in almost any branch of industry and science. \nDuring this workshop\, one of these following topic will be discussed : \n\nthe concept of data depth in both functional and multivariate settings\,\nreview most common notion of the depth function (halfspace (Tukey\, 1975)\, projection (Zuo & Sefling\,2000)\, zonoid (Mosler\, 2002)\, spatial depth (Koltchinskii\, 1997); integrated (Claeskens et al.\, 2014) and curve (Lafaye De Micheaux et al.\, 2020) functional depths\, functional isolation forest Staerman et al. (2019)\nfocus on a number of real-world applications ranging from simulated situations to hurricane tracks and brain imaging.\n\n  \nPlease note that the workshop will be conducted in French or English depending on the participants. URL:https://datacraft.paris/event/multivariate-and-functional-anomaly-detection-part-2/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20211007T180000 DTEND;TZID=Europe/Paris:20211007T200000 DTSTAMP:20210923T134438Z CREATED:20210915T130847Z LAST-MODIFIED:20210923T134438Z UID:5824-1633629600-1633636800@datacraft.paris SUMMARY:Soirée CDO & HR - Comment insuffler une culture data dans son organisation ? DESCRIPTION:inscription\n \n \n \n \n \n datacraft et Ekimetrics vous invitent à la soirée : \nComment insuffler une culture data dans son organisation ?\nPartage d’expérience\n \nAvec la participation de : \n\nMatthias Oehler\, Chief Data Officer – Française des jeux\nChristophe Rousselet\, Directeur du Programme DATA – Klesia\nChristophe Sauce\, Data & AI Director – Danone \n\nPosez vos questions les plus complexes à nos trois invités\, dans une ambiance informelle. Le format très interactif vous permettra d’échanger avec tous les participants. Après une présentation très courte par chaque invité\, les participants pourront discuter entre eux des questions qu’ils souhaitent poser à tous les intervenants et lancer ainsi les échanges. \nLa soirée se terminera par un cocktail. \nLe nombre de places est limité et la participation est sur invitation seulement. \nLe pass sanitaire vous sera demandé à l’entrée. URL:https://datacraft.paris/event/atelier-cdo-hr-comment-insuffler-une-culture-data-dans-son-organisation/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210930T140000 DTEND;TZID=Europe/Paris:20210930T170000 DTSTAMP:20210929T124905Z CREATED:20210705T090809Z LAST-MODIFIED:20210929T124905Z UID:4616-1633010400-1633021200@datacraft.paris SUMMARY:DONNÉES TWITTER : ANALYSE DE LA VIRALITÉ ET PROPAGATION D’UNE FAKE NEWS DESCRIPTION:inscription\n \n \n \n \n \n Atelier animé par Pierre Foulquié\, responsable data science\, Kap Code et Yann Girard\, manager data science et résident datacraft \nChaque dernier jeudi du mois\, nous nous retrouvons l’après-midi pour un atelier sur les données de Twitter. Si vous travaillez sur ce type de données\, ou si simplement le sujet vous intéresse : rejoignez-nous. \nLes réseaux sociaux comme Twitter sont un moyen de créer du lien mais aussi\, pour certains\, utilisateurs d’y propager\, de manière consciente ou non\, des fausses informations\, communément appelées fake news. \nNous proposons d’étudier les différents aspects de la désinformation sur les réseaux sociaux à travers un jeu de données centré autour d’une fake news sur la vaccination contre la Covid-19. Plusieurs axes sont à explorer : \n\n\nla viralité de cette information et l’analyse des utilisateurs qui y participent ou qui la combattent (analyse de réseaux\, de communauté\, caractérisation des utilisateurs) \n\n\nle contenu échangé sur ce sujet : les liens\, le texte\, les images\, les vidéos… \n\n\nLes prochaines dates sont : le 28 octobre\, le 25 novembre\, ainsi que le 30 décembre 2021. URL:https://datacraft.paris/event/donnees-twitter-analyse-de-la-viralite-et-propagation-dune-fake-news-3/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210928T090000 DTEND;TZID=Europe/Paris:20210928T120000 DTSTAMP:20210920T191335Z CREATED:20210917T125748Z LAST-MODIFIED:20210920T191335Z UID:5834-1632819600-1632830400@datacraft.paris SUMMARY:AI FAIRNESS ET BIAIS DES ALGORITHMES DESCRIPTION:inscription\n \n \n \n \n \n Atelier datacraft animé par Antoine Isnardy\, Senior Data Scientist chez Danone et Théo Alves Da Costa\, Manager Data Science chez Ekimetrics. \n\nEn collaboration entre les différents membres de la communauté datacraft\, nous avons lancé le cercle de réflexion sur la data science responsable avec de nombreuses questions autour des biais\, de la transparence\, et de l’empreinte environnementale des algorithmes. Nous souhaitons notamment travailler ensemble à l’élaboration d’outils et méthodologies open source pour transformer nos outils du quotidien et apporter des réponses concrètes sur les questions d’IA éthique. \n\nUn moment d’échange et de collaboration pour tester d’autres outils et construire ensemble cette boite à outil de la Data Science responsable. \nExemple d’outils testés : \n– Aequitas (http://aequitas.dssg.io) \n– AI Fairness 360 (https://aif360.mybluemix.net) \n– Fairlean (https://fairlearn.org) \n\nRetrouver les travaux passés sur notre Github : https://github.com/datacraft-paris/Fairness-Benchathon \n\nPrérequis : \n– Bonne maîtrise de Python URL:https://datacraft.paris/event/ai-fairness-et-biais-des-algorithmes/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210924T140000 DTEND;TZID=Europe/Paris:20210924T160000 DTSTAMP:20210913T192539Z CREATED:20210702T121450Z LAST-MODIFIED:20210913T192539Z UID:4580-1632492000-1632499200@datacraft.paris SUMMARY:Multivariate and functional anomaly detection - Part 1 DESCRIPTION:inscription\n \n \n \n \n \n Workshop led by Pavlo Mozharovskyi\, Telecom Paris. \nAnomaly detection (Chandola et al.\, 2009) is a branch of machine learning which aims at identifying observations that exhibit abnormal behavior. Be it measurement errors\, disease development\, severe weather\, production quality default(s) (items) or failed equipment\, financial frauds or crisis events\, their on-time identification\, isolation and explanation constitute an important task in almost any branch of industry and science. \nDuring this workshop\, one of these following topic will be discussed : \n\nthe concept of data depth in both functional and multivariate settings\,\nreview most common notion of the depth function (halfspace (Tukey\, 1975)\, projection (Zuo & Sefling\,2000)\, zonoid (Mosler\, 2002)\, spatial depth (Koltchinskii\, 1997); integrated (Claeskens et al.\, 2014) and curve (Lafaye De Micheaux et al.\, 2020) functional depths\, functional isolation forest Staerman et al. (2019)\nfocus on a number of real-world applications ranging from simulated situations to hurricane tracks and brain imaging.\n\n  \nPlease note that the workshop will be conducted in French or English depending on the participants. URL:https://datacraft.paris/event/multivariate-and-functional-anomaly-detection-part-1/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210924T110000 DTEND;TZID=Europe/Paris:20210924T120000 DTSTAMP:20210920T195516Z CREATED:20210920T185542Z LAST-MODIFIED:20210920T195516Z UID:5844-1632481200-1632484800@datacraft.paris SUMMARY:NLP - Sentiment Analysis - Few Shot Learning DESCRIPTION:inscription\n \n \n \n \n \n Discussion animée par Nicolas Chesneau\, Lead Tech Machine Learning chez Ekimetrics. \nImaginé avec Ekimetrics\, nous vous proposons d’inaugurer un nouveau rendez-vous.Pensé comme un cercle de discussion\, ce rendez-vous permettra\, sur une thématique donnée\, d’aborder les dernières avancées\, partager des réflexions\, initier des collaborations de recherche…Il s’adresse à tous les experts qui souhaitent élargir ou confronter leurs connaissances et leur vision\, à la pointe de l’état de l’art.Les modalités (format\, fréquence\, horaires\,…) pourront évoluer en fonction de vos envies et de vos retours. \nPour ce premier rendez-vous\, nous vous proposons de nous retrouver le vendredi 24/09. URL:https://datacraft.paris/event/nlp-sentiment-analysis-few-shot-learning/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210915T093000 DTEND;TZID=Europe/Paris:20210915T113000 DTSTAMP:20210914T133721Z CREATED:20210715T082907Z LAST-MODIFIED:20210914T133721Z UID:4698-1631698200-1631705400@datacraft.paris SUMMARY:S’il vous plait\, …dessinez-moi une explication - Partie 1 DESCRIPTION:inscription\n \n \n \n \n \n Atelier animé par Christophe Denis\, maître de conférence\, Sorbonne Université\, LIP6 \nExplicabilité en apprentissage des concepts en philosophie des sciences\, en statistiques et informatique jusqu’aux études de cas. \nObjectifs du groupe de travail :L’amélioration des techniques de traitement de l’information a fortement amélioré la numérisation de nombreux secteurs de notre société\, impactant également le monde scientifique. Depuis les travaux fondateurs de Galilée sur la mathématisation du monde\, les connaissances scientifiques se sont considérablement améliorées grâce à l’approche hypothético-déductive qui décrit la physique réelle d’un phénomène par un modèle utilisant le plus souvent des équations mathématiques. Cependant\, l’approche hypothético-déductive atteint certaines limites pour prédire et expliquer des phénomènes plus complexes et parfois couplés. Dans le même temps\, en 2010\, l’apprentissage machine a produit des résultats spectaculaires dans le domaine de la reconnaissance de formes\, par exemple pour bouleverser radicalement la discipline du traitement du signal. Cependant\, l’utilisation de l’apprentissage machine pose des problèmes opérationnels\, juridiques et éthiques. L’un des principaux défis est de fournir des explications éthiques aux résultats générés par une application basée sur l’apprentissage machine considérée comme une boîte noire. L’objectif de cet atelier est de présenter les concepts clés de l’explicabilité de l’apprentissage machine à la fois en présentant des notions essentielles en philosophie des sciences à relier aux méthodes informatiques utilisées pour extraire des informations des prédictions des réseaux de neurones. \nOrganisation de l’atelier \nPremière séance du 15 septembre : \n\nAperçu historique et méthodologique portant sur l’explication de la prédiction de phénomènes utilisant de l’apprentissage machine : quels sont les rôles joués par la philosophie\, les mathématiques\, les statistiques et l’informatique ?\nDifférences épistémologiques entre des modèles descriptifs\, prédictifs et causaux.\nPrésentation des cas d’usage des participantes et des participants.\n\nDes cas d’usage génériques seront proposés sur cet atelier pour tester les méthodes. Toutefois\, les participantes et les participants sont invités à proposer et présenter lors de la première séance de l’atelier leurs propres cas d’usage. \nPrérequis : Connaissance de base en machine learning et en langage pythonBesoins matériels : Ordinateur portable disposant d’un environnement python\, la distribution multi-plateforme Anaconda est recommandée URL:https://datacraft.paris/event/dessinez-moi-une-explication/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210910T140000 DTEND;TZID=Europe/Paris:20210910T170000 DTSTAMP:20210730T123433Z CREATED:20210723T103915Z LAST-MODIFIED:20210730T123433Z UID:5388-1631282400-1631293200@datacraft.paris SUMMARY:Industrialisation de votre app data science DESCRIPTION:inscription\n \n \n \n \n \n Atelier animé par Axel Richier\, senior data engineer\, Ekimetrics \nAu programme: \n\nPrésentation des containers et de leurs avantages\nContainerisation d’une app utilisant le framework Streamlit\nConseils et méthodes d’optimisation Docker\nUtilisation de docker-compose en phase de développement\nDéploiement de l’app dans le cloud\nAutomatisation du déploiement URL:https://datacraft.paris/event/industrialisation-de-votre-app-data-science/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210730T140000 DTEND;TZID=Europe/Paris:20210730T170000 DTSTAMP:20210726T134657Z CREATED:20210723T102333Z LAST-MODIFIED:20210726T134657Z UID:5372-1627653600-1627664400@datacraft.paris SUMMARY:Comparaison de librairies : AI Fairness et biais des algorithmes DESCRIPTION:inscription\n \n \n \n \n \n Animé par Théo Alves Da Costa\, Manager data science\, Ekimetrics et Antoine Isnardy\, senior data scientist\, Danone. \nUn premier atelier a déjà eu lieu sur le sujet le 25 juin dernier. En collaboration entre les différents membres de la communauté datacraft\, nous avons lancé le cercle de réflexion sur la data science responsable avec de nombreuses questions autour des biais\, de la transparence\, et de l’empreinte environnementale des algorithmes. Nous souhaitons notamment travailler ensemble à l’élaboration d’outils et méthodologies open source pour transformer nos outils du quotidien et apporter des réponses concrètes sur les questions d’IA éthique. \nUn moment d’échange et de collaboration pour tester d’autres outils et construire ensemble cette boite à outil de la Data Science responsable. Au programme\, comparaison de différentes librairies permettant d’évaluer Fairness / Biais des algorithmes par 3 équipes en simultané sur un cas d’usage \n\nAI Fairness 360 (IBM) \naequitas \nWhat-if Tool (Google)\n\n  \nNos ateliers ont lieu en présentiel\, il y a suffisamment d’espace dans nos locaux pour accueillir les participants\, tout en respectant les gestes barrières (port du masque et distanciation).  URL:https://datacraft.paris/event/comparaison-de-librairies-ai-fairness-et-biais-des-algorithmes/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210630T180000 DTEND;TZID=Europe/Paris:20210630T200000 DTSTAMP:20210628T133420Z CREATED:20210628T133126Z LAST-MODIFIED:20210628T133420Z UID:4556-1625076000-1625083200@datacraft.paris SUMMARY:Data science et contenu - datacraft DESCRIPTION:inscription\n \n \n \n \n \n Nous vous invitons à notre soirée contenu du mercredi  30 juin à 18h\, afin d’échanger sur les contenus que datacraft pourraient vous mettre à disposition\, à vous et à toute notre communauté d’experts.Au programme : \n\nQuels contenus sous quel format (podcast\, vidéo\, GitHub…) ? Et quels outils pour mieux travailler ensemble\, partager des datasets\, collaborer à distance sur les projets récurrents…\nPrésentation des premières vidéos « mastercraft » :–> Pavlo Mozharovskyi – « Data depth approach for anomaly detection »–> Axel Richier – « Optimisation de votre image Docker pour l’industrialisation »\n\nSi vous voulez vous joindre à nous\, n’hésitez pas à nous écrire à l’adresse contact@datacraft.parisNous espérons vous voir nombreux ! \nMerci de nous confirmer votre présence pour nous permettre de commander suffisamment de bières et de pizzas… URL:https://datacraft.paris/event/data-science-et-contenu-datacraft/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210625T100000 DTEND;TZID=Europe/Paris:20210625T170000 DTSTAMP:20210602T091138Z CREATED:20210504T151333Z LAST-MODIFIED:20210602T091138Z UID:4455-1624615200-1624640400@datacraft.paris SUMMARY:Benchathon - comparaison des librairies permettant d'évaluer fairness et biais des algorithmes DESCRIPTION:inscription\n \n \n \n \n \n Animé par Théo Alves Da Costa\, Manager data science\, Ekimetrics. \nEn collaboration entre les différents membres de la communauté datacraft\, nous avons lancé le cercle de réflexion sur la data science responsable avec de nombreuses questions autour des biais\, de la transparence\, et de l’empreinte environnementale des algorithmes. Nous souhaitons notamment travailler ensemble à l’élaboration d’outils et méthodologies open source pour transformer nos outils du quotidien et apporter des réponses concrètes sur les questions d’IA éthique. \nAu programme\, comparaison de différentes librairies permettant d’évaluer Fairness / Biais des algorithmes par 3 équipes en simultané sur un cas d’usage \n\nAI Fairness 360 (IBM) \naequitas \nWhat-if Tool (Google)\n\nUn Benchathon (Trademark datacraft) est une contraction entre le benchmark et le hackathon. C’est un moment d’échange et de collaboration pour tester d’autres outils et construire ensemble cette boite à outil de la Data Science responsable. \nNos ateliers ont lieu en présentiel\, il y a suffisamment d’espace dans nos locaux pour accueillir les participants\, tout en respectant les gestes barrières (port du masque et distanciation). Un lien zoom est proposé pour ceux qui ne peuvent pas se déplacer. URL:https://datacraft.paris/event/benchaton-comparaison-des-librairies-permettant-devaluer-fairness-et-biais-des-algorithmes/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210622T120000 DTEND;TZID=Europe/Paris:20210622T140000 DTSTAMP:20210428T120609Z CREATED:20210423T131210Z LAST-MODIFIED:20210428T120609Z UID:4413-1624363200-1624370400@datacraft.paris SUMMARY:RÉSEAUX BAYÉSIENS : APPRENTISSAGE STATISTIQUE\, EXPLICABILITÉ ET CAUSALITÉ (PARTIE 2) DESCRIPTION:inscription\n \n \n \n \n \n Workshop animé par Pierre-Henri WUILLEMIN et Gaspard DUCAMP\, du laboratoire Lip6. \nLes réseaux bayésiens forment un outil de modélisation probabiliste. Ils ont la particularité d’inclure et de s’appuyer sur une représentation graphique aussi bien pour maximiser la compacité de la représentation et que pour minimiser la complexité des calculs. Par ailleurs\, cette représentation graphique encode des propriétés qualitatives du modèle\, permettant une interaction à la fois aisée et riche avec les experts métiers. Enfin\, il existe des algorithmes d’apprentissages statistiques de tels modèles qui amènent donc à un spectre de large d’utilisation de tels modèles. Les réseaux bayésiens sont par ailleurs le support d’une théorie de la causalité probabiliste basée sur un nouveau type de conditionnement par ‘intervention’. Ce cadre dit du « do-calculus » permet une analyse qui montre et peut corriger le risque d’erreur lors de l’utilisation de modèles prédictifs classiques. \nCet atelier se présentera en deux parties:  \n\nPartie 1 le 17/06: Réseaux Bayésiens ( inférence & apprentissage)\n\nCette présentation montrera à travers d’exemples construits sur la plateforme aGruM comment:– les réseaux bayésiens (BN) structurent l’information probabiliste sous forme d’un graphe-“boite blanche”.– les BN rendent possible le calcul de requêtes probabilistes complexes\, appelé inférence bayésienne.– les BN peuvent être appris à partir d’un dataset. \n\nPartie 2 le 22/06: Classification – Causalité et probabilité (si la durée du workhop le permet)\n\n– Cette partie présentera un dataset (par exemple Lending Club qui consiste à apprendre de manière supervisée le statut d’un emprunt bancaire en fonction des paramètres de l’emprunteur et de l’emprunt). Nous verrons comment les BN peuvent calculer cette prédiction suite à un apprentissage supervisé\, et ce qu’ils apportent en plus des modèles classiques (réseaux de neurones\, arbre de décision….) \n– Démontrer la causalité entre facteurs est au cœur de problèmes majeurs de santé publique ou de société. Jusqu’à récemment\, les statistiques ne permettaient de calculer que leur degré de corrélation. On verra comment le do-calculus proposé par Judea Pearl associé aux BN donne enfin une mesure de la causalité liant des facteurs déterministes ou aléatoires. \nNos ateliers ont lieu en présentiel\, il y a suffisamment d’espace dans nos locaux pour accueillir les participants\, tout en respectant les gestes barrières (port du masque et distanciation). Un lien zoom est proposé pour ceux qui ne peuvent pas se déplacer. URL:https://datacraft.paris/event/reseaux-bayesiens-apprentissage-statistique-explicabilite-et-causalite-partie-2/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210617T120000 DTEND;TZID=Europe/Paris:20210617T140000 DTSTAMP:20210428T120402Z CREATED:20210423T130607Z LAST-MODIFIED:20210428T120402Z UID:4403-1623931200-1623938400@datacraft.paris SUMMARY:Réseaux bayésiens : apprentissage statistique\, explicabilité et causalité (partie 1) DESCRIPTION:inscription\n \n \n \n \n \n Workshop animé par Pierre-Henri WUILLEMIN et Gaspard DUCAMP\, du laboratoire Lip6. \nLes réseaux bayésiens forment un outil de modélisation probabiliste. Ils ont la particularité d’inclure et de s’appuyer sur une représentation graphique aussi bien pour maximiser la compacité de la représentation et que pour minimiser la complexité des calculs. Par ailleurs\, cette représentation graphique encode des propriétés qualitatives du modèle\, permettant une interaction à la fois aisée et riche avec les experts métiers. Enfin\, il existe des algorithmes d’apprentissages statistiques de tels modèles qui amènent donc à un spectre de large d’utilisation de tels modèles. Les réseaux bayésiens sont par ailleurs le support d’une théorie de la causalité probabiliste basée sur un nouveau type de conditionnement par ‘intervention’. Ce cadre dit du « do-calculus » permet une analyse qui montre et peut corriger le risque d’erreur lors de l’utilisation de modèles prédictifs classiques. \nCet atelier se présentera en deux parties:  \n\nPartie 1 le 17/06: Réseaux Bayésiens ( inférence & apprentissage)\n\nCette présentation montrera à travers d’exemples construits sur la plateforme aGruM comment:– les réseaux bayésiens (BN) structurent l’information probabiliste sous forme d’un graphe-“boite blanche”.– les BN rendent possible le calcul de requêtes probabilistes complexes\, appelé inférence bayésienne.– les BN peuvent être appris à partir d’un dataset. \n\nPartie 2 le 22/06: Classification – Causalité et probabilité (si la durée du workhop le permet)\n\n– Cette partie présentera un dataset (par exemple Lending Club qui consiste à apprendre de manière supervisée le statut d’un emprunt bancaire en fonction des paramètres de l’emprunteur et de l’emprunt). Nous verrons comment les BN peuvent calculer cette prédiction suite à un apprentissage supervisé\, et ce qu’ils apportent en plus des modèles classiques (réseaux de neurones\, arbre de décision….) \n– Démontrer la causalité entre facteurs est au cœur de problèmes majeurs de santé publique ou de société. Jusqu’à récemment\, les statistiques ne permettaient de calculer que leur degré de corrélation. On verra comment le do-calculus proposé par Judea Pearl associé aux BN donne enfin une mesure de la causalité liant des facteurs déterministes ou aléatoires. \nNos ateliers ont lieu en présentiel\, il y a suffisamment d’espace dans nos locaux pour accueillir les participants\, tout en respectant les gestes barrières (port du masque et distanciation). Un lien zoom est proposé pour ceux qui ne peuvent pas se déplacer. URL:https://datacraft.paris/event/reseaux-bayesiens-apprentissage-statistique-explicabilite-et-causalite-partie-1/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT BEGIN:VEVENT DTSTART;TZID=Europe/Paris:20210611T140000 DTEND;TZID=Europe/Paris:20210611T170000 DTSTAMP:20210520T082137Z CREATED:20201103T150652Z LAST-MODIFIED:20210520T082137Z UID:2519-1623420000-1623430800@datacraft.paris SUMMARY:Industrialisation de votre app Data Science : Quand la baleine part dans les nuages ! DESCRIPTION:inscription\n \n \n \n \n \n Atelier co-animé par Xavier Lioneton\, Lead data scientist chez datacraft et Axel Richier\, senior data engineer chez ekimetrics \nAu programme: \n\nPrésentation des containers et de leurs avantages\nContainerisation d’une app utilisant le framework Streamlit\nConseils et méthodes d’optimisation Docker\nUtilisation de docker-compose en phase de développement\nDéploiement de l’app dans le cloud\nAutomatisation du déploiement\n\nNos ateliers ont lieu en présentiel\, il y a suffisamment d’espace dans nos locaux pour accueillir les participants\, tout en respectant les gestes barrières (port du masque et distanciation). Un lien zoom est proposé pour ceux qui ne peuvent pas se déplacer. URL:https://datacraft.paris/event/data-science-industrialisation/ LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris END:VEVENT END:VCALENDAR