Difficulté
** : Bonnes connaissances en ML/Data/IA et compétences de base en Python 

Prérequis techniques
Apporter son ordinateur portable

Intervenants
Cet atelier sera présenté par : 
– Alessandro Leite, chercheur à l’INRIA
– Audrey Poinsot, actuellement en thèse sur le thème de la causalité
– Fabien Faivre, Responsable R&D et Innovation Data à la MACIF
– Marianne Clausel, Professeure Université Lorraine
– Myriam Tami, Enseignante-chercheuse en statistical learning, Université Paris Saclay, CentraleSupélec
– Georges Oppenheim, ancien Professeur Université Paris Saclay

Description de l’atelier
La causalité est un thème qui intéresse depuis longtemps de nombreux praticiens que ce soit en médecine, en économie, en environnement ou en philosophie… L’approche causale permet d’aller au-delà des approches classiques de Machine Learning et d’imaginer via des scénarios contrefactuels “ce qui se serait passé si”… (si j’avais été un homme à un entretien d’embauche, si j’avais fait plus d’exercice…). Voir le blog Toward Data Science et le site Causal Tau website pour en savoir plus !
Cet atelier fait suite au précédent atelier « Les apports de l’approche causale : Exploration sur des cas d’usage concrets » ; vous êtes les bienvenus même sans avoir participé à ce premier et par ailleurs, vous pouvez retrouver la présentation de cet atelier sur notre site et sur notre chaîne YouTube. Après avoir compris que la singularité de l’approche causale par rapport aux approches classiques de statistiques résidait notamment dans la modélisation des relations entre les variables d’entrée sous forme d’un graphe causal, nous vous proposons, dans ce deuxième atelier, de se concentrer sur la « découverte » de ce graphe causal ; étape aussi appelée « Causal Discovery ».
L’objectif de cet atelier sera d’explorer les différentes méthodes de « Causal Discovery » avec un zoom particulier sur l’approche « hybride » utilisée par Ekimetrics.
La première partie de l’atelier sera un temps d’échange sur les concepts et les approches et la seconde partie sera une mise en pratique dont le but sera de challenger/questionner/améliorer l’approche hybride mentionnée ci-dessus.

Si vous voulez mettre l’imagination au service de vos données, rejoignez-nous le 16 Mars à 14h !