PRO+ Contenu Premium/Applications & Données
Accédez au contenu Pro+ ci-dessous.
SNCF Réseau optimise les entraînements de ses algorithmes avec le cloud
Cet article fait partie de l’ezine Applications & Données : N°10 - Automne 2020
SNCF Réseau, principal gestionnaire du réseau ferré national français, s’occupe de pas moins de 30 000 kilomètres de ligne ferroviaire. « Entretien, modernisation, sécurisation » du réseau français sont les maîtres mots de cette filiale de la société mère SNCF. Par ailleurs, SCNF Réseau a une division service qui doit assurer l’accès équitable et transparent à l’infrastructure pour une quarantaine de clients. L’entreprise gère 15 000 trains (de voyage ou de marchandises) et vend 20 000 sillons horaires (un sillon est la période durant laquelle une infrastructure donnée est affectée à la circulation d’un train entre deux points du réseau). Samuel Descroix, SNCF Réseau « Notre métier c’est de comprendre la donnée de l’entreprise, et de la mettre à disposition, par tous les moyens possibles et imaginables, et ceci pour tous les usages », résume Samuel Descroix, Directeur Data géographique et analytique chez SNCF Réseau, une entité rattachée au pôle IT de SNCF Réseau. Ariane : une politique de gouvernance de la donnée dédiée au ...
A lire Dans ce numéro
-
Applications & Données n° 10 : le Machine Learning est en action
Le numéro d’automne de notre revue dédiée aux applications métiers et à la gestion des données est entièrement consacré au Machine Learning et à la Data Science. Au menu : des conseils d’experts pour mener à bien vos projets de bout en bout, et deux retours d’expérience qui les ont appliqués à la SNCF et dans le secteur de la logistique.
-
Quand choisir un moteur de règles ou le machine learning
Le choix entre un moteur de règles et un algorithme de machine learning dépend de la complexité de la tâche décisionnelle à accomplir et du niveau d'expertise des équipes en interne.
-
SNCF Réseau optimise les entraînements de ses algorithmes avec le cloud
SNCF Réseau, filiale de la SNCF a choisi le cloud AWS pour déployer son environnement de traitement de données décisionnel et analytique. Son architecture très spécifique facilite l’entraînement d’algorithmes, dont ceux de computer vision pour détecter les anomalies sur les rails.
-
IA Frugale : comment entraîner des modèles avec peu de données ?
Entraîner des modèles de machine learning avec peu de données, est-ce possible ? Oui, mais les spécialistes considèrent que les techniques d’enrichissement sont suffisamment performantes pour généraliser les apprentissages de leurs modèles.
-
Feature engineering : cinq conseils essentiels pour améliorer vos modèles IA
De la compréhension de l'objectif escompté d'un modèle algorithmique à la prise en compte des spécificités du domaine d'application, des experts partagent les méthodes pour faciliter la phase de feature engineering.
-
Deep learning : réseaux neuronaux RNN et CNN quelles différences ?
Les réseaux de neurones convolutifs et récurrents sont à la base de nombreuses applications d’intelligence artificielle. Découvrez les différences entre ces deux types de réseau de neurones artificiels.