Sélectionner une page

Apprentissage automatique pour résoudre la mauvaise « qualité » des données

Un programme de R&D mené par le Square Research Center, rattaché au domaine d’excellence Data.

Contexte

L’utilisation de l’apprentissage automatique (Machine Learning) se heurte à la « Data scarcity », c’est-à-dire à la mauvaise « qualité » de données qui ne sont exploitables que si elles sont « labellisées » au préalable conformément à l’analyse que l’on veut réaliser. 

pour quoi ?

La méthode développée permet d’améliorer les performances des modèles prédictifs et réduire les coûts (temps, ressources) de labellisation de données.

Comment ?

Le pré-entrainement des modèles prédictifs permet de dépasser les limites inhérentes à la qualité des données. Nous développons une méthode appelée le « pré-apprentissage » visant à :

  • Identifier et collecter toutes les données disponibles,
  • Générer et disposer d’un modèle de Deep Learning synthétisant l’ensemble de l’information extraite,
  • Appliquer cette nouvelle ressource pour répondre aux enjeux métiers (évaluation du risque, détection des fraudes, etc.)

Pour qui ?

Entreprises de tous les secteurs.

CHERCHEUR

Docteur Anass Akrim

Docteur Anass Akrim

Anass a obtenu son Doctorat en Intelligence Artificielle et Mathématiques Appliquées en maintenance prédictive (secteur aéronautique). Il est issu d’une formation initiale en Mathématiques Appliquées, Informatique et Finance de l’Université Paris Dauphine. Il a aussi un diplôme d’ingénieur des Mines en Big Data et Data Science, associé à un double diplôme en Banque et Finance à l’IAE de Saint-Etienne. Anass a pu intervenir dans différents secteurs d’activités et sur divers cas d’application d’I.A.: traitement de séries temporelles (prédiction des cours boursiers, trading automatique), détection de fraudes financières, en maintenance prédictive (secteur aéronautique).

Publications
  • Article académique : A. Akrim et al. “Self-Supervised Learning for Data Scarcity in a Fatigue Damage Prognostic Problem” Engineering Applications of Artificial Intelligence, 2023, doi : https://doi.org/10.1016/j.engappai.2023.105837
  • Note : “L’intelligence artificielle dans le secteur financier, le défi de la « Data Scarcity » ”
  • Working paper : “L’IA pré-entraînée : une technique innovante pour une détection de fraudes plus performante” (à venir)

LES AUTRES PROGRAMMES SQUARE RESEARCH CENTER

Share This