Plus que tout autre domaine d'applications, la Data Science est très majoritairement dominée par les technologies Open Source. Pour des raisons historiques, mais aussi d'évolution des modèles économiques. Comme un symbole. Voici tout juste trois ans, Google, qui avait jusqu’alors jalousement
Accéder aux codes source d’applications d’IA ne suffit plus à garantir les droits fondamentaux des utilisateurs. Des biais émanent des modèles algorithmiques, mais aussi des données. Et toute volonté d’ouvrir largement ces composants soulève des questions éthiques majeures. Fonder une société
Auteurs : Guillaume Avrin, Agnès Delaborde, Olivier Galibert (Evaluation des systèmes d’intelligence artificielle, LNE) Contact : guillaume.avrin@lne.fr Le Laboratoire national de métrologie et d’essais (LNE) a été proposé comme organisme de référence pour évaluer les systèmes d’intelligence artificielle (IA) en France. Pourquoi faut-il
Quel type de data scientist recrutez-vous ? Nous accueillons régulièrement de nouveaux experts techniques en statistique, connaissant l’informatique et l’ingénierie, maitrisant des langages open source comme R ou Python et le big data. Ces experts représentent un maillon essentiel entre la
À l’heure où l’intelligence artificielle (IA) est à l’agenda politique français et fait la une de nombreux médias, nous vous proposons de remonter le fil de l’histoire avec un des pionniers de la discipline en France, Robert Azencott. Il nous
Les chercheurs de sciences humaines et sociales (SHS) explorent leurs données avec des méthodes statistiques depuis des siècles. Ils utilisaient l’analyse de réseaux et la théorie des graphes bien avant que les physiciens ne rebaptisent cela « sciences des réseaux ». Aujourd’hui,
L’apprentissage automatique (machine learning) est une des méthodes d’analyse quantitative susceptible d’être utilisée en sciences humaines et sociales (SHS). Pour quels types de données est-il adapté ? Qu’apporte-t-il ? Qui peut utiliser ces techniques ? « Après des hauts et des bas depuis les années
Comme d’autres, les disciplines des sciences humaines et sociales font désormais face à un déluge de données numériques. Du big data pas forcément rich data, des données qui ne révolutionnent pas non plus ces sciences et qu’il faut, comme par