Time Series France

Bonjour à tou(te)s,

Pour cette 17ème édition, la société eZako vient nous présenter deux sujets autour de la détection d’anomalie et l’annotation de séries temporelles; le tout en une heure.

Sujet 1 : 30 minutes pour devenir expert en détection d’anomalie sur les séries temporelles en machine learning

Les techniques de détection d’anomalies sont réputées dures à mettre en place. Trouver la bonne data et la transformer, choisir le bon algorithme et le paramètrer, annoter les données et optimiser les résultats sont des étapes clés d’une bonne détection. Nous allons vous présenter des exemples concrets de ces tâches et vous fournir les éléments clés pour les mener à bien en utilisant des approches d’apprentissage non supervisées, semi-supervisées et supervisées.

Le sujet sera présenté par Yassine Elamraoui. il est un expert en Machine Learning depuis 2019. Il prépare une thèse d’automatisation des processus de Machine Learning et des activités du data scientist.

Sujet 2 : Annotez facilement vos séries temporelles !

Augmenter la performance de vos modèles sur séries temporelles est crucial. Se concentrer uniquement sur le choix de l’algorithme et son paramétrage n’est pas suffisant. D’autres facteurs entrent en jeu, tels que la qualité et la disponibilité des labels dans vos données. Dans cette présentation je vais vous montrer que des labels de qualité peuvent être ajoutés facilement pour vous permettre de basculer vers des approches supervisées ou hybrides qui amélioreront vos modèles.

Le sujet sera présenté par Julien Muller ; il est le CTO de la société Ezako, spécialisée en ML sur séries temporelles. Il dirige les travaux de son équipe sur les modèles de détection d’anomalies, de maintenance prédictive et de forecasting et sur des sujets de labellisation et de données synthétiques.

Cette édition se fait toujours en virtuel via Zoom étant sur la région parisienne et nos invités à Sophia Antipolis. Si néanmoins quelqu’un souhaite héberger le meetup pour avoir une version hybride, n’hésitez pas à me contacter.

Nous espérons vous voir nombreux !

Supports de présentation

Vidéo :

Slides d’intro :

Liens complémentaires :

• A comparative study between algorithms for time series forecasting on customer prediction: An investigation into the performance of ARIMA, RNN, LSTM, TCN and HMM
• An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling (PDF)