#1257 - Numéro 1 : Éclairages sur le cinéma

Rencontre
Optimisation combinatoire,
Big Data et cybersécurité
En mars dernier, Paris 1 Panthéon-Sorbonne accueillait la journée
« Optimization and Data Science ». L’occasion de revenir sur les actions
du laboratoire Statistique, Analyse et Modélisation multidisciplinaire (SAMM)
et les synergies créées avec les établissements partenaires.
Université Paris 1 Panthéon-Sorbonne / Juin 2019
L
a rencontre « Optimization and Data
Science » a réuni plus de cent dix participants
académiques et industriels intéressés
par le traitement, l’analyse et la valorisation
des données, en particulier par les nouvelles approches
basées sur les méthodes d’optimisation
afin de renforcer les approches classiques en apprentissage
et en analyse des données.
D’éminents chercheurs étaient invités. Parmi
eux, Andrea Lodi, professeur à l’École polytechnique
de Montréal, Dolores Romero Morales,
professeure à la Copenhagen Business School au
Danemark, Emilio Carrizosa, professeur à l’université
de Séville et Pablo San Segundo Carillo,
professeur à l’université Polytechnique de Madrid.
Sonia Vanier
Maîtresse de conférences en
informatique, SAMM (Statistique,
Analyse, Modélisation
multidisciplinaire – EA 4543)
À quoi sert la Data Science dans notre
économie ?
La Data Science construit des modèles mathématiques
destinés à extraire et à représenter les
connaissances à partir de données complexes.
Elle fait appel à des experts de différentes disciplines
telles que les statistiques, l’optimisation,
l’informatique et la technologie de l’information
dans l’objectif d’appuyer la prise de décision pour
les entreprises. Le vrai défi aujourd’hui reste la
prise de décision sur les données complexes.
Les évolutions technologiques fulgurantes de
ces deux dernières décennies ont permis le développement
de puissantes capacités de calcul
ainsi que des réseaux très performants. De nouvelles
habitudes de consommation, de nouveaux
besoins sont ainsi apparus chez les utilisateurs.
Dès lors, les entreprises ont dû sécuriser les données
de leurs clients et leurs propres données.
Elles doivent également analyser les habitudes
et les comportements des consommateurs pour
développer des services adaptés et innovants. Le
comportement et les préférences des utilisateurs
pèsent de plus en plus sur les prises de décision
des compagnies. Il est alors crucial d’apprendre
et d’interpréter, d’interpréter et de réapprendre.
Ainsi, le développement de nouvelles approches
combinant l’optimisation combinatoire et l’apprentissage
est nécessaire pour répondre aux
besoins en perpétuelle évolution des entreprises.
12