Data Science
Le Comptoir du 10/12/2020 : Comment gagner des centaines de milliers d’euros en un jour de développement ? (Retour d’expérience sur la Total Digital Factory)
Data & AI
Comment gagner de la valeur en un jour de développement ? Le Jeudi 10 Décembre 2020, Emmanuel-Lin Toulemonde, consultant chez OCTO, et Marc Frignet, acheteur d’énergie chez Total “turned PO”, ont partagé leur retour d’expérience commune.Contexte de la missionLes plateformes de raffinage et pétrochimie consomment beaucoup de gaz (celles de Total pès...
Découvrez les Comptoirs du mois !Le concept : 45 min dans la matinée, 20 min de présentation et 25 min d’échanges sur une thématique avec des experts OCTO en visioconférence. L’occasion de vous donner des clés, répondre à vos questions et élever le débat dans la communauté.Le Comptoir x Data Science - Jeudi 10 décembre, 9h15COMMENT GAGNER DE LA VAL...
Jeudi dernier s’est tenu un nouvel épisode des comptoirs OCTO, des rendez-vous bi-mensuels, désormais incontournables que les expertes et experts OCTO vous donnent. Un moment d’échange et de partage, surtout en ces moments difficiles de confinement et de Covid. Stay home, safe and with OCTO ;)Sujet de ce jeudi, les nouvelles topologies du Cloud, pa...
La data en entreprise, souvent considérée comme une question culturelle, pour prendre des décisions commerciales.
La mise en production d’algorithmes d’apprentissage est un chantier dont il faut savoir anticiper l’ampleur. Notre expérience nous a montré que la brique algorithmique n’est qu’une petite partie d’un système complexe : c’est pour cela que nous travaillons à son intégration dans le SI au plus vite afin de lever les inconnues dues à ses spécificités....
Data science : La shadow production pour vérifier le bon fonctionnement d’un modèle avant son déploiement
Data & AIAvant de déployer un nouveau modèle en production il est difficile de savoir précisément comment il va se comporter. La shadow production est une technique qui permet de se rassurer sur les performances du modèle avant de le déployer.Dans notre précédent article sur les alternatives aux monitoring de distributions, nous évoquions brièvement le conc...
Lorsqu'un modèle de Machine Learning tourne en production, il nous faut l'améliorer. Voici un retour d'expérience.
Aujourd’hui, de plus en plus de sociétés et de marques décident de s’équiper de chatbots, aussi bien à destination de leurs clients qu’à destination de leurs collaborateurs. Cependant, tous les chatbots ne se valent pas : certains obtiennent de meilleurs résultats que d’autres. La question alors soulevée est : pourquoi est-ce que certains chatbots ...
IntroductionL’une des premières choses que l’on apprend en Machine Learning est qu’il faut souvent faire un compromis entre la performance d’un modèle et son interprétabilité. Les modèles transparents (interprétables by design, ou directement interprétables par un humain, comme la régression linéaire ou les arbres de décision) sont en général moins...