BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//datacraft - ECPv6.16.3//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: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
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20240331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20241027T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20230316T140000
DTEND;TZID=Europe/Paris:20230316T180000
DTSTAMP:20260530T220121
CREATED:20230203T162656Z
LAST-MODIFIED:20230227T093652Z
UID:8084-1678975200-1678989600@datacraft.paris
SUMMARY:Atelier - Causal Discovery : partons à la découverte du graphe causal
DESCRIPTION:Inscription\n                \n            \n            \n			\n				\n				\n				\n				\n				Difficulté** : Bonnes connaissances en ML/Data/IA et compétences de base en Python  \nPrérequis techniquesApporter son ordinateur portable \nIntervenantsCet 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 \nDescription de l’atelierLa 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. \nSi vous voulez mettre l’imagination au service de vos données\, rejoignez-nous le 16 Mars à 14h !
URL:https://datacraft.paris/event/atelier-causal-discovery-partons-a-la-decouverte-du-graphe-causal/
LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France
ORGANIZER;CN="datacraft":MAILTO:contact@datacraft.paris
END:VEVENT
END:VCALENDAR