Les usines 4.0 généreront une masse considérable de données. Divers outils de data science sont envisagés pour en tirer le meilleur parti. Un enjeu également économique qui aiguise les appétits
[vc_row][vc_column][vc_column_text] Les usines 4.0 généreront une masse considérable de données. Divers outils de data science sont envisagés pour en tirer le meilleur parti. Un enjeu également économique qui aiguise les appétits
[vc_row][vc_column][vc_column_text] Les usines 4.0 généreront une masse considérable de données. Divers outils de data science sont envisagés pour en tirer le meilleur parti. Un enjeu également économique qui aiguise les appétits
S’il a longtemps hésité entre faire de la recherche académique et rejoindre l’industrie financière, Marco Cuturi a finalement opté pour la première. Ses travaux sur le transport optimal s’appliquent à de nombreux domaines, y compris à la finance mathématique. Les mathématiques
[vc_row][vc_column][vc_single_image image="11925" img_size="full" alignment="center"][vc_column_text] L'équipe de Therapixel [/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_column_text] Yaroslav Nikulin : data scientist chez Therapixel et fan de Deep Learning Pierre Fillard : CTO de Therapixel, responsable de l’équipe Deep Learning Olivier Clatz : PDG de Therapixel, et contributeur occasionnel de l’équipe Deep Learning Antoine Iannessi
