Webinaires
Résumé de nos Webinaires.
La résolution d'EDP-Semi linéaire par Deep Learning
Brice Dro
Résoudre des équations aux dérivées partielles (EDP) semi-linéaires grâce au Deep Learning : une approche novatrice utilisant des méthodes d'apprentissage profond, notamment les réseaux de neurones, pour résoudre efficacement des problèmes mathématiques complexes impliquant des équations différentielles combinant des termes linéaires et non linéaires. Une solution moderne et performante pour la résolution numérique de ces EDP.
Apprentissage et modélisation de processus stochastiques par le biais des réseaux de neurones.
Alphonse Ebrotié
L'objectif est le calibrage de réseaux de neurones capables de modéliser des données provenant de processus définis par des équations différentielles stochastiques (EDS).
Algorithme DBSCAN et HDBSCAN
Aimé Ndjeng
Présentation d'un algorithme de partitionnement de données utilisé en data science: L'algorithme de Dbscan et Hdbscan.
Il propose une approche différente de l'algorithme des K-means.
Étude de la présence et des origines des discriminations en assurance IARD.
Brou Erwan
Le webinaire aborde la problématique cruciale de la discrimination en assurance IARD (Incendie, Accidents et Risques Divers). L'étude se concentre sur l'identification et l'analyse des origines de ces discriminations, visant à sensibiliser et à comprendre les mécanismes sous-jacents. L'objectif est de développer des perspectives et des solutions pour promouvoir une approche plus équitable dans le secteur de l'assurance IARD.
Modélisation des dommages consécutifs aux feux de forêt.
Othniel Kplé
Modélisation des dommages causés par les incendies de forêt : une exploration des méthodes de modélisation pour comprendre et prédire les conséquences des feux de forêt. Cette étude vise à améliorer la gestion des risques liés aux incendies, en fournissant des outils et des perspectives pour mieux anticiper, évaluer et atténuer les dommages associés à ces événements naturels.