Lieu: BNP Paribas Cardif – 8 rue du Port, Nanterre
Au programme
[ Toutes les présentations seront en anglais ]
Accueil Allocution de bienvenue de Stanislas Chevalet, Directeur Général Adjoint – Responsable Transformation & Développement, BNP Paribas Cardif
10h05 Gaël Varoquaux / Inria* Avant-propos : les réalisations du consortium scikit-learn à ce jour
10h20 Roman Yurchak / Inria – Symerio Tutorial: scikit-learn new features. Preprocessing and imputation methods, estimators for clustering, supervised learning Voir la présentation et retrouver le notebook
10h40 Xavier Dupré / Microsoft ONNX: machine learning model persistence Voir la présentation
12h00 Jérémie du Boisberranger / Inria Tutorial: questions of performance in scikit-learn. Parallelism, memory, low-level optimizations Retrouver le notebook
13h00 Déjeuner
14h00 Xavier Renard / AXA Whitening ML black boxes: where do we stand? Voir la présentation
14h20 Guillaume Lemaître / Inria Tutorial: scikit-learn interpretability, linear and tree-based models Retrouver le noteboook_1 et le notebook_2
15h40 Peter Entschev / Nvidia Nvidia Distributed GPU Machine Learning with RAPIDS and Dask Voir la présentation
16h00 Tung Lam Dang / BNP Paribas Cardif Scikit-learn: a tool for better model risk governance @ BNPP Cardif Voir la présentation
16h20 Laurent Duhem / Intel Speeding up scikit-learn on Intel architectures Voir la présentation
16h40 Léo Dreyfus-Schmidt & Samuel Ronsin / Dataiku LeaveNoOneOut: Building a ML platform for everyone Voir la présentation
17h00 Anton Bossenbroek / BCG Rapid and collaborative fair data science deployment in strategy consulting
17h20 Olivier Grisel / Inria Wrap up and perspectives Voir la présentation
17h30 Round-table: Open source, a model for AI and data science?
18h00 Cocktail de clôture