Data science & artificial intelligence
For digitalized industry & services
En vue d’inspirer les scientifiques du monde entier et de soutenir les femmes travaillant dans la science de la donnée, la conférence « Women in Data Science » (Wids) est organisée chaque année par l’université de Stanford dans plus de 140 lieux dans le monde. Pour coïncider avec cet événement, le 14 septembre 2020, se tiendra une table ronde diffusée en ligne et organisée par Télécom Paris, partenaire de WiDS, Total, Inria Saclay – Île-de-France et par le Réseau InnoEnergy. Cet événement fera notamment intervenir Nathalie Brunelle, directrice de projets à Total@Saclay et présidente de TWICE, Assia Mouloudi, User eXperience Manager à SAP, Céline Jullien, Responsable de l’engagement des citoyens à InnoEnergy S.E et Amélie Claus, étudiante à Télécom Paris. Florence d’Alché-Buc, titulaire de la chaire DSAIDIS à Télécom Paris depuis 2019, figure dans la mini web-série mise en place par WiDS destinée à recueillir des témoignages de femmes travaillant dans la donnée.
Florence d’Alché-Buc y parle de son parcours, de ses ambitions et des compétences qu’elle a acquises du début de sa carrière jusqu’à aujourd’hui. De plus, elle évoque les challenges de l’apprentissage statistique de demain et les domaines d’application de cette discipline.
Spécialiste en apprentissage statistique, composante essentielle de la science des données, elle met aujourd’hui son expertise au service de nombreux champs d’application, notamment dans l’enseignement en tant que professeure en informatique et mathématiques appliquées à Télécom Paris. En outre, en plus d’être l’auteure d’une centaine d’articles, elle a initié et porté des projets dont le programme Challenges au sein du réseau d’excellence européen PASCAL (2004-08). Elle est également responsable scientifique du Labex Digicosme depuis 2017 et membre du laboratoire LTCI de Télécom Paris.
Pour témoigner de l’efficacité de l’apprentissage statistique, elle évoque l’exemple du biologiste qui voudrait connaître exactement le type de molécule qui compose un échantillon dont il possède de multiples répliques. Dans ce cas, l’apprentissage statistique, grâce à la capacité de l’ordinateur à exploiter les régularités, trouvera automatiquement, à partir de paires échantillon-molécules, un modèle prédictif qui pourra être applicable sur d’autres échantillons, ce qui fera gagner du temps au bio-chimiste.