Les cas d’usage

Un framework, des possibilités, vos opportunités…

Le framework Substra est jeune, mais nous avons déjà pu identifier et travailler sur plusieurs cas d’usage que nous vous présentons dans cette section.

Vous avez identifié de nouvelles opportunités ? De nouveaux cas d’usage ? Nous serions ravis d’en discuter avec vous. Rejoignez le Slack, une section est dédiée aux projets pour partager autour de votre expérience Substra…

Consortiums entre concurrents

Les algorithmes de machine learning, pour accroître leurs performances, nécessitent une grande quantité de données. Mais, au sein d’une industrie ces données sont souvent éparpillées entre différents acteurs qui ne peuvent se permettre de partager ce qui est le cœur de leur business (…)

Collaborations entre producteurs de données et data scientists

Pour développer de nouveaux algorithmes ou améliorer leurs modèles existants, les data scientists ont besoin d’une quantité importante de données. Mais celles-ci ne leurs sont parfois pas accessibles car trop confidentielles pour êtres partagées par l’organisme qui les a collectées. Elles peuvent être de plus disséminées au sein d’un nombre important de fournisseurs (…)

challenges de machine learning sur données sensibles

Les challenges de machine learning font partie structurante du paysage de la science des données. D’une grande valeur, ils restent cependant encore limités à cause d’un principal frein : il est difficile d’ouvrir ses données à des tiers extérieurs, que ce soit en raison de leur valeur où parce qu’elles sont confidentielles (….)