Logo Bretagne

Logo campus mondial de la mer

ALLOHa | Advanced Living Lab For Ocean Hacks

 


 

 

Lieu d’innovation collaborative, ALLOHa a pour vocation de réunir d’une part, la communauté scientifique en Sciences Marines et en Data Sciences et d’autre part, les entreprises qui innovent dans ces domaines.

L’objectif est de créer un espace propice à la collaboration et l’émergence de solutions innovantes pour un océan durable.

Hébergé sur l’infrastructure de calcul et traitement de données marines Datarmor, le bac à sable ALLOHa composé de données, de moyens de calcul, d’outils et de compétences en data analytics offre un terrain d’expérimentation sécurisé pour développer des preuves de concept et la construction de projets collaboratifs.

 ALLOHa c’est :

    • Une communauté,
    • Un programme d’animation,
    • Une offre de services et
    • Un Tiers-Lieu d’innovation collaborative pour favoriser l’émergence de groupes travaillant sur une preuve de concept.
  S'inscrire à la liste de diffusion  
 

 

 
  EN SAVOIR PLUS  
     
   
 

Programme d'animation 

 
 

Atelier Machine Learning tous les 15 jours, les mardis
Prochaines dates les mardis 12 et 26 mars, de 10h30 à 12h

     
  EN SAVOIR PLUS  
     

Dominos Lecture tous les 15 jours, les mercredis
Prochaines dates les mercredis 6 et 20 mars de 12h30 à13h50

     
  EN SAVOIR PLUS  
     

Permanence data scientists et ALLOHa lunch box tous les mardis
Prochaines dates les mardis 12 et 26 mars, de 10h30 à 12h

     
  EN SAVOIR PLUS  
     

 A la demande de la communauté ALLOHA, des animations sur mesure. Contacter anouck.hubert@tech-brest-iroise.fr

 

Atelier Machine Learning 

 

 

Atelier Machine Learning c’est les mardis, tous les 15 jours, au Pôle Numérique Brest Iroise PNBI.

Prochaines dates, les mardis 12 mars et 26 mars , de 10h30 à 12h

L’Atelier Machine Learning c’est :

  • 1 speaker
  • qui répond à une 1 question concrète et appliquée autour du machine learning
  • en utilisant 1 méthode de machine learning
  • sur 1 dataset formatté avec benchmark

Dans cet atelier, nous mettons l’accent sur

  • une compréhension intuitive et graphique de la théorie et de ses équations
  • les méthodes de la famille des réseaux de neurones !
  • le partage des données et des codes
  • la diffusion de bonnes pratiques en data sciences, eg notebook python, benchmarking, plateforme Datarmor (IFREMER) de centralisation des codes et données

Le prochain atelier Machine Learning aura lieu  le mardi 26 mars  2019

-Speaker: Erwan Keribin

-Question concrète:  Comment générer des peintures avec du DeepLearning ?

-Méthode machine learning: Generative adversarial network (GAN)

- Dataset formatté et benchmarké: Kaggle Painter by Numbers (principalement provenant de WikiArt.org)

Le lien vers les atliers précédents :

Lien Github: https://github.com/amlb/amlb.github.io

 

     
  S'inscrire  
     
 

Domino's Lecture

 
 

Domino's Lecture tous les 15 jours les mercredis

Prochaines dates les mercredis 6 et 20 mars de 12h30 à13h50

Lecture et critique d’articles scientifiques portant sur des travaux fondamentaux en intelligence artificielle avec dégustation de pizzas pour mieux digérer la science !

A chaque session un nouveau Guru volontaire

Le rôle du “Guru”

  • Diffuser sur la liste l’article au moins une semaine à l’avance
  • Diffuser un résumé (maximum une page) le matin de la réunion du groupe Dominos Lectures
  • Imprimer un exemplaire papier du résumé pour tous les membres du groupe

Le contenu du résumé diffusé par le “Guru” :

  • Contenu : Contexte, objectifs, contributions originales, modèle considéré, critique positives et négatives (1 à 3 phrases pour chaque point)
  • 1 page max

Le rôle des participants au groupe Domino :

  • Chaque participant DOIT avoir lu le papier avant la réunion
  • Chaque participant prépare et envoie par mail une ou des questions au “Guru”

Sinon pas de pizza !

     
 

Pour s'inscrire et recevoir les articles contactez :

François Rousseau ou Ronan Fablet

 
     
     
 

Permanence Data Science Experts & Lunch Box

 
 
  • Tous les mardis, au Pôle Numérique Brest Iroise :Notre Pool de Data Scientists Experts est à votre disposition pour répondre à vos questions, demandes, pour conseiller, échanger, réseauter. Contactez nous et nous vous mettrons en relation avec l'expert qui convient.
  • ALLOHa lunch box pour se rencontrer de manière informelle, réseauter, échanger des informations et déjeuner !mercredis
    Prochaines Dates les mardis 12 et 26 marsLe principe : Vous apportez votre déjeuner et nous offrons le café et le dessert.
   

Ronan Fablet :

Ronan est Professeur à l'IMT Atlantique, chercheur de l'UMR Lab-STICC, équipe TOMS  (Statistical Signal Processing and Remote Sensing). Ses thèmes de recherche sont:

Computer vision and signal processing: inverse problems, data-driven and learning-based models, texture analysis, motion analysis, bayesian and variational models, data assimilation, ....

Applications to marine ecology and oceanography: ocean remote sensing, maritime tradic surveillance, submeso-to-mesoscale ocean dynamics, movement ecology, fish otoliths, fisheries acoustics, sonar seabed imaging,... En savoir plus

Patrick Meyer :

Patrick Meyer sera notre expert en Aide à la Décision et en Optimisation. Il est Professeur à IMT Atlantique, chercheur de l'UMR Lab-STICC, et responsable de l'équipe de recherche DECIDE. Ses thèmes de recherche sont : les algorithmes d'aide multi-critère à la décision, la modélisiation du processus d'aide à la décision, la modélisation des préférences des décideurs, l'optimisation combinatoire, ainsi que le développement d'outils informatiques pour l'aide à la décision. En savoir plus

Romain Billot :

Romain est maître de conférences, HDR,  en data science à IMT Atlantique depuis 2016. Il dirige des recherches en data mining et optimisation avec différents terrains d'applications comme la mobilité intelligente et la santé connectée. M. Billot est responsable des enseignements en statistiques et machine learning (filière data science). En savoir plus

 

Powered by diasite
Webdesign by diateam