Le Big Data au service du machine learning

Big data
Dr House est mort. Les outils d’apprentissage font que les médecins de demain seront des soignants et pas des diagnostiqueurs.

Le machine learning ou apprentissage est une théorie mathématique vieille de 50 ans. Plusieurs résultats majeurs liés à cette théorie ont fait ces heures de gloire dans les années 80.

Depuis, l’explosion du nombre de données disponibles a rendu la pratique de cette méthode compliquée et inefficace. L’avènement du Big DATA depuis 10 ans permet à présent de redonner sa noblesse et de dévoiler l’énorme potentialité de ces théories.

Les prédictions que les data scientist obtiennent en appliquant le machine learning sur des environnements big data ont eu de nombreux succès scientifiques et commerciaux.

Dans cette présentation nous commencerons par essayer d’aborder les sujets théoriques autour de Big DATA et de machine learning puis après avoir fait un rapide tour d’horizon des champs d’application nous nous attarderons sur un cas particulier et éloquent de médecine prédictive : le protocole cardionexion.


Le conférencier

Stéphane Messika est normalien, agrégé et mathématiques et docteur en informatique. Après 8 ans de carrière universitaire, il décide de créer sa première société autour du numérique qui rapidement se concentre sur les problématiques de datascience (Kynapse). Son objectif est d’accompagner les grandes entreprises à l’adoption des technologies big data et à l’application de la datascience tant scientifiquement que méthodologiquement. Kynapse est une filiale du groupe Open mars 2016.

stephane-messika

  •  
  •  
  •  
  •  
Participer à cette conférence