25 results on '"Gautrais, Clément"'
Search Results
2. Why Are You Weird? Infusing Interpretability in Isolation Forest for Anomaly Detection
- Author
-
Kartha, Nirmal Sobha, Gautrais, Clément, and Vercruyssen, Vincent
- Subjects
Computer Science - Machine Learning - Abstract
Anomaly detection is concerned with identifying examples in a dataset that do not conform to the expected behaviour. While a vast amount of anomaly detection algorithms exist, little attention has been paid to explaining why these algorithms flag certain examples as anomalies. However, such an explanation could be extremely useful to anyone interpreting the algorithms' output. This paper develops a method to explain the anomaly predictions of the state-of-the-art Isolation Forest anomaly detection algorithm. The method outputs an explanation vector that captures how important each attribute of an example is to identifying it as anomalous. A thorough experimental evaluation on both synthetic and real-world datasets shows that our method is more accurate and more efficient than most contemporary state-of-the-art explainability methods.
- Published
- 2021
3. Human-Machine Collaboration for Democratizing Data Science
- Author
-
Gautrais, Clément, Dauxais, Yann, Teso, Stefano, Kolb, Samuel, Verbruggen, Gust, and De Raedt, Luc
- Subjects
Computer Science - Artificial Intelligence ,Computer Science - Human-Computer Interaction ,I.2.1 ,H.5.2 - Abstract
Everybody wants to analyse their data, but only few posses the data science expertise to to this. Motivated by this observation we introduce a novel framework and system \textsc{VisualSynth} for human-machine collaboration in data science. It wants to democratize data science by allowing users to interact with standard spreadsheet software in order to perform and automate various data analysis tasks ranging from data wrangling, data selection, clustering, constraint learning, predictive modeling and auto-completion. \textsc{VisualSynth} relies on the user providing colored sketches, i.e., coloring parts of the spreadsheet, to partially specify data science tasks, which are then determined and executed using artificial intelligence techniques., Comment: 26 pages
- Published
- 2020
4. VisualSynth: Democratizing Data Science in Spreadsheets
- Author
-
Gautrais, Clément, Dauxais, Yann, Kolb, Samuel, Jain, Arcchit, Kumar, Mohit, Teso, Stefano, Van Wolputte, Elia, Verbruggen, Gust, De Raedt, Luc, Goos, Gerhard, Founding Editor, Hartmanis, Juris, Founding Editor, Bertino, Elisa, Editorial Board Member, Gao, Wen, Editorial Board Member, Steffen, Bernhard, Editorial Board Member, Woeginger, Gerhard, Editorial Board Member, Yung, Moti, Editorial Board Member, Dong, Yuxiao, editor, Ifrim, Georgiana, editor, Mladenić, Dunja, editor, Saunders, Craig, editor, and Van Hoecke, Sofie, editor
- Published
- 2021
- Full Text
- View/download PDF
5. SynthLog: A Language for Synthesising Inductive Data Models (Extended Abstract)
- Author
-
Dauxais, Yann, Gautrais, Clément, Dries, Anton, Jain, Arcchit, Kolb, Samuel, Kumar, Mohit, Teso, Stefano, Van Wolputte, Elia, Verbruggen, Gust, De Raedt, Luc, Barbosa, Simone Diniz Junqueira, Editorial Board Member, Filipe, Joaquim, Editorial Board Member, Ghosh, Ashish, Editorial Board Member, Kotenko, Igor, Editorial Board Member, Zhou, Lizhu, Editorial Board Member, Cellier, Peggy, editor, and Driessens, Kurt, editor
- Published
- 2020
- Full Text
- View/download PDF
6. Widening for MDL-Based Retail Signature Discovery
- Author
-
Gautrais, Clément, Cellier, Peggy, van Leeuwen, Matthijs, Termier, Alexandre, Goos, Gerhard, Founding Editor, Hartmanis, Juris, Founding Editor, Bertino, Elisa, Editorial Board Member, Gao, Wen, Editorial Board Member, Steffen, Bernhard, Editorial Board Member, Woeginger, Gerhard, Editorial Board Member, Yung, Moti, Editorial Board Member, Berthold, Michael R., editor, Feelders, Ad, editor, and Krempl, Georg, editor
- Published
- 2020
- Full Text
- View/download PDF
7. Human–Machine Collaboration for Democratizing Data Science
- Author
-
Gautrais, CléMent, primary, Dauxais, Yann, additional, Teso, Stefano, additional, Kolb, Samuel, additional, Verbruggen, Gust, additional, and Raedt, Luc De, additional
- Published
- 2021
- Full Text
- View/download PDF
8. Predicting Pass Receiver in Football Using Distance Based Features
- Author
-
Dauxais, Yann, Gautrais, Clément, Hutchison, David, Editorial Board Member, Kanade, Takeo, Editorial Board Member, Kittler, Josef, Editorial Board Member, Kleinberg, Jon M., Editorial Board Member, Mattern, Friedemann, Editorial Board Member, Mitchell, John C., Editorial Board Member, Naor, Moni, Editorial Board Member, Pandu Rangan, C., Editorial Board Member, Steffen, Bernhard, Editorial Board Member, Terzopoulos, Demetri, Editorial Board Member, Tygar, Doug, Editorial Board Member, Goos, Gerhard, Founding Editor, Hartmanis, Juris, Founding Editor, Brefeld, Ulf, editor, Davis, Jesse, editor, Van Haaren, Jan, editor, and Zimmermann, Albrecht, editor
- Published
- 2019
- Full Text
- View/download PDF
9. VisualSynth: Democratizing Data Science in Spreadsheets
- Author
-
Gautrais, Clément, primary, Dauxais, Yann, additional, Kolb, Samuel, additional, Jain, Arcchit, additional, Kumar, Mohit, additional, Teso, Stefano, additional, Van Wolputte, Elia, additional, Verbruggen, Gust, additional, and De Raedt, Luc, additional
- Published
- 2021
- Full Text
- View/download PDF
10. Sky-signatures: detecting and characterizing recurrent behavior in sequential data
- Author
-
Gautrais, Clément, primary, Cellier, Peggy, additional, Guyet, Thomas, additional, Quiniou, René, additional, and Termier, Alexandre, additional
- Published
- 2023
- Full Text
- View/download PDF
11. SynthLog: A Language for Synthesising Inductive Data Models (Extended Abstract)
- Author
-
Dauxais, Yann, primary, Gautrais, Clément, additional, Dries, Anton, additional, Jain, Arcchit, additional, Kolb, Samuel, additional, Kumar, Mohit, additional, Teso, Stefano, additional, Van Wolputte, Elia, additional, Verbruggen, Gust, additional, and De Raedt, Luc, additional
- Published
- 2020
- Full Text
- View/download PDF
12. Purchase Signatures of Retail Customers
- Author
-
Gautrais, Clement, Quiniou, René, Cellier, Peggy, Guyet, Thomas, Termier, Alexandre, Hutchison, David, Series editor, Kanade, Takeo, Series editor, Kittler, Josef, Series editor, Kleinberg, Jon M., Series editor, Mattern, Friedemann, Series editor, Mitchell, John C., Series editor, Naor, Moni, Series editor, Pandu Rangan, C., Series editor, Steffen, Bernhard, Series editor, Terzopoulos, Demetri, Series editor, Tygar, Doug, Series editor, Weikum, Gerhard, Series editor, Kim, Jinho, editor, Shim, Kyuseok, editor, Cao, Longbing, editor, Lee, Jae-Gil, editor, Lin, Xuemin, editor, and Moon, Yang-Sae, editor
- Published
- 2017
- Full Text
- View/download PDF
13. Predicting Pass Receiver in Football Using Distance Based Features
- Author
-
Dauxais, Yann, primary and Gautrais, Clément, additional
- Published
- 2019
- Full Text
- View/download PDF
14. 1298Associations of DMT therapies with COVID-19 severity in multiple sclerosis
- Author
-
Simpson-Yap, Steve, primary, Brouwer, Edward De, additional, Kalincik, Tomas, additional, Rijke, Nick, additional, Hillert, Jan, additional, Walton, Clare, additional, Edan, Gilles, additional, Spelman, Tim, additional, Geyes, Lotte, additional, Parciak, Tina, additional, Gautrais, Clément, additional, Lazovski, Nikola, additional, Pirmani, Ashkan, additional, Ardeshirdavani, Amin, additional, Forsberg, Lars, additional, Glaser, Anna, additional, McBurney, Robert, additional, Schmidt, Hollie, additional, Bergmann, Arnfin, additional, Braune, Stefan, additional, Stahmann, Alexander, additional, Middleton, Rodden, additional, Salter, Amber, additional, Fox, Robert, additional, van der Walt, Anneke, additional, Butzkueven, Helmut, additional, Rojas, Juan, additional, van der Mei, Ingrid, additional, Nag, Nupur, additional, Ivanov, Rumen, additional, Olival, Guilherme Sciascia do, additional, Dias, Alice Estavo, additional, Magyari, Melinda, additional, Brum, Doralina Guimarães, additional, Mendes, Maria Fernandes, additional, Alonso, Ricardo, additional, Nicholas, Richard, additional, Bauer, Johana, additional, Chertcoff, Anibal, additional, Zabalza, Ana, additional, Arrambide, Georgina, additional, Fidao, Alexander, additional, Comi, Giancarlo, additional, and Peeters, Liesbet, additional
- Published
- 2021
- Full Text
- View/download PDF
15. Learning CNF Theories Using MDL and Predicate Invention
- Author
-
Jain, Arcchit, primary, Gautrais, Clément, additional, Kimmig, Angelika, additional, and De Raedt, Luc, additional
- Published
- 2021
- Full Text
- View/download PDF
16. Associations of DMT therapies with COVID-19 severity in multiple sclerosis
- Author
-
Simpson-Yap, Steve, primary, De Brouwer, Edward, additional, Kalincik, Tomas, additional, Rijke, Nick, additional, Hillert, Jan, additional, Walton, Clare, additional, Edan, Gilles, additional, Moreau, Yves, additional, Spelman, Tim, additional, Geys, Lotte, additional, Parciak, Tina, additional, Gautrais, Clément, additional, Lazovski, Nikola, additional, Pirmani, Ashkan, additional, Ardeshirdavani, Amin, additional, Forsberg, Lars, additional, Glaser, Anna, additional, McBurney, Robert, additional, Schmidt, Hollie, additional, Bergmann, Arnfin, additional, Braune, Stefan, additional, Stahmann, Alexander, additional, Middleton, Rodden, additional, Salter, Amber, additional, Fox, Robert J., additional, van der Walt, Anneke, additional, Butzkueven, Helmut, additional, Al-Roughani, Raed, additional, Ozakbas, Serkan, additional, Rojas, Juan I, additional, van der Mei, Ingrid, additional, Nag, Nupur, additional, Ivanov, Rumen, additional, do Olival, Guilherme Sciascia, additional, Dias, Alice Estavo, additional, Magyari, Melinda, additional, Guimarães Brum, Doralina, additional, Mendes, Maria Fernanda, additional, Alonso, Ricardo, additional, Nicholas, Richard, additional, Bauer, Johana, additional, Chertcoff, Anibal, additional, Zabalza, Ana, additional, Arrambide, Georgina, additional, Fidao, Alexander, additional, Comi, Giancarlo, additional, and Peeters, Liesbet M., additional
- Published
- 2021
- Full Text
- View/download PDF
17. COVID-19 in people with multiple sclerosis: A global data sharing initiative
- Author
-
Peeters, Liesbet M, primary, Parciak, Tina, additional, Walton, Clare, additional, Geys, Lotte, additional, Moreau, Yves, additional, De Brouwer, Edward, additional, Raimondi, Daniele, additional, Pirmani, Ashkan, additional, Kalincik, Tomas, additional, Edan, Gilles, additional, Simpson-Yap, Steve, additional, De Raedt, Luc, additional, Dauxais, Yann, additional, Gautrais, Clément, additional, Rodrigues, Paulo R, additional, McKenna, Landon, additional, Lazovski, Nikola, additional, Hillert, Jan, additional, Forsberg, Lars, additional, Spelman, Tim, additional, McBurney, Robert, additional, Schmidt, Hollie, additional, Bergmann, Arnfin, additional, Braune, Stefan, additional, Stahmann, Alexander, additional, Middleton, Rodden, additional, Salter, Amber, additional, Bebo, Bruce F, additional, Rojas, Juan I, additional, van der Walt, Anneke, additional, Butzkueven, Helmut, additional, van der Mei, Ingrid, additional, Ivanov, Rumen, additional, Hellwig, Kerstin, additional, Sciascia do Olival, Guilherme, additional, Cohen, Jeffrey A, additional, Van Hecke, Wim, additional, Dobson, Ruth, additional, Magyari, Melinda, additional, Brum, Doralina Guimarães, additional, Alonso, Ricardo, additional, Nicholas, Richard, additional, Bauer, Johana, additional, Chertcoff, Anibal, additional, de Sèze, Jérôme, additional, Louapre, Céline, additional, Comi, Giancarlo, additional, and Rijke, Nick, additional
- Published
- 2020
- Full Text
- View/download PDF
18. Associations of DMT Therapies with COVID-19 Severity in Multiple Sclerosis: An International Cohort Study
- Author
-
Simpson-Yap, Steve, primary, De Brouwer, Edward, additional, Kalincik, Tomas, additional, Rijke, Nick, additional, Hillert, Jan, additional, Walton, Clare, additional, Edan, Gilles, additional, Moreau, Yves, additional, Spelman, Tim, additional, Geys, Lotte, additional, Parciak, Tina, additional, Gautrais, Clément, additional, Lazovski, Nikola, additional, Pirmani, Ashkan, additional, Ardeshirdavani, Amin, additional, Forsberg, Lars, additional, Glaser, Anna, additional, McBurney, Robert, additional, Schmidt, Hollie, additional, Bergmann, Arnfin, additional, Braune, Stefan, additional, Stahmann, Alexander, additional, Middleton, Rodden, additional, Salter, Amber, additional, Fox, Robert J., additional, Van Der Welt, Anneke, additional, Butzkueven, Helmut, additional, Rojas, Juan I., additional, van der Mei, Ingrid, additional, Nag, Nupur, additional, Ivanov, Rumen, additional, Sciascia do Olival, Guilherme, additional, Estevo Dias, Alice, additional, Magyari, Melinda, additional, Brum, Doralina Guimarães, additional, Mendes, Maria Fernanda, additional, Alonso, Ricardo, additional, Nicholas, Richard, additional, Bauer, Johana, additional, Chertcoff, Anibal, additional, Zabalza, Ana, additional, Arrambide, Georgina, additional, Fidao, Alexander, additional, Comi, Giancarlo, additional, and Peeters, Liesbet M., additional
- Published
- 2020
- Full Text
- View/download PDF
19. Détection et caractérisation de comportements complexes récurrents dans des données séquentielles
- Author
-
Gautrais, Clément, Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Large Scale Collaborative Data Mining (LACODAM), Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-GESTION DES DONNÉES ET DE LA CONNAISSANCE (IRISA-D7), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Université de Rennes, Alexandre Termier, Université de Bretagne Sud (UBS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National de Recherche en Informatique et en Automatique (Inria)-École normale supérieure - Rennes (ENS Rennes)-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-CentraleSupélec-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Bretagne Sud (UBS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-École normale supérieure - Rennes (ENS Rennes)-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes 1 (UR1), and Université Rennes 1
- Subjects
Analyse des données symboliques ,[INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB] ,Data Mining ,Pattern Mining ,Exploration de données ,Bases de données temporelles ,Sequential Data - Abstract
Cette thèse introduit un nouveau type de motif appelé signature. La signature segmente une séquence d'itemsets, afin de maximiser la taille de l'ensemble d'items qui apparaît dans tous les segments. La signature a été initialement introduite pour identifier les produits favoris d'un consommateur de supermarché à partir de son historique d'achat. L'originalité de la signature vient du fait qu'elle identifie les items récurrents qui 1) peuvent apparaître à différentes échelles temporelles, 2) peuvent avoir des occurrences irrégulières et 3) peuvent être rapidement compris par des analystes. Étant donné que les approches existantes en fouille de motifs n'ont pas ces 3 propriétés, nous avons introduit la signature. En comparant la signature avec les méthodes de l'état de l'art, nous avons montré que la signature est capable d'identifier de nouvelles régularités dans les données, tout en identifiant les régularités détectées par les méthodes existantes. Bien qu'initialement liée au domaine de la fouille de motifs, nous avons également lié le problème de la fouille de signatures au domaine de la segmentation de séquences. Nous avons ensuite défini différents algorithmes, utilisant des méthodes liées à la fouille de motifs et à la segmentation de séquences. Les signatures ont été utilisées pour analyser un large jeu de données issu d'un supermarché français. Une analyse qualitative des signatures calculées sur ces consommateurs réels a montré que les signatures sont capables d'identifier les produits favoris d'un consommateur. Les signatures ont également été capables de détecter et de caractériser l'attrition de consommateurs. Cette thèse définit également 2 extensions de la signature. La première extension est appelée la sky-signature. La sky-signature permet de présenter les items récurrents d'une séquence à différentes échelles de temps. La sky-signature peut être vue comme une manière efficace de résumer les signatures calculées à toutes les échelles de temps possibles. Les sky-signatures ont été utilisées pour analyser les discours de campagne des candidats à la présidentielle américaine de 2016. Les sky-signatures ont identifié les principaux thèmes de campagne de chaque candidat, ainsi que leur rythme de campagne. Cette analyse a également montré que les signatures peuvent être utilisées sur d'autres types de jeux de données. Cette thèse introduit également une deuxième extension de la signature, qui permet de calculer la signature qui correspond le plus aux données. Cette extension utilise une technique de sélection de modèle basée sur le principe de longueur de description minimale, communément utilisée en fouille de motifs. Cette extension a également été utilisée pour analyser des consommateurs de supermarché.; Cette thèse introduit un nouveau type de motif appelé signature. La signature segmente une séquence d'itemsets, afin de maximiser la taille de l'ensemble d'items qui apparaît dans tous les segments. La signature a été initialement introduite pour identifier les produits favoris d'un consommateur de supermarché à partir de son historique d'achat. L'originalité de la signature vient du fait qu'elle identifie les items récurrents qui 1) peuvent apparaître à différentes échelles temporelles, 2) peuvent avoir des occurrences irrégulières et 3) peuvent être rapidement compris par des analystes. Étant donné que les approches existantes en fouille de motifs n'ont pas ces 3 propriétés, nous avons introduit la signature. En comparant la signature avec les méthodes de l'état de l'art, nous avons montré que la signature est capable d'identifier de nouvelles régularités dans les données, tout en identifiant les régularités détectées par les méthodes existantes. Bien qu'initialement liée au domaine de la fouille de motifs, nous avons également lié le problème de la fouille de signatures au domaine de la segmentation de séquences. Nous avons ensuite défini différents algorithmes, utilisant des méthodes liées à la fouille de motifs et à la segmentation de séquences. Les signatures ont été utilisées pour analyser un large jeu de données issu d'un supermarché français. Une analyse qualitative des signatures calculées sur ces consommateurs réels a montré que les signatures sont capables d'identifier les produits favoris d'un consommateur. Les signatures ont également été capables de détecter et de caractériser l'attrition de consommateurs. Cette thèse définit également 2 extensions de la signature. La première extension est appelée la sky-signature. La sky-signature permet de présenter les items récurrents d'une séquence à différentes échelles de temps. La sky-signature peut être vue comme une manière efficace de résumer les signatures calculées à toutes les échelles de temps possibles. Les sky-signatures ont été utilisées pour analyser les discours de campagne des candidats à la présidentielle américaine de 2016. Les sky-signatures ont identifié les principaux thèmes de campagne de chaque candidat, ainsi que leur rythme de campagne. Cette analyse a également montré que les signatures peuvent être utilisées sur d'autres types de jeux de données. Cette thèse introduit également une deuxième extension de la signature, qui permet de calculer la signature qui correspond le plus aux données. Cette extension utilise une technique de sélection de modèle basée sur le principe de longueur de description minimale, communément utilisée en fouille de motifs. Cette extension a également été utilisée pour analyser des consommateurs de supermarché.
- Published
- 2018
20. Multi-Plant Photovoltaic Energy Forecasting Challenge: Second place solution
- Author
-
Gautrais, Clément, Dauxais, Yann, Guilleme, Maël, Université de Rennes (UR), Large Scale Collaborative Data Mining (LACODAM), Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-GESTION DES DONNÉES ET DE LA CONNAISSANCE (IRISA-D7), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Rennes 1 (UR1), and Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique)
- Subjects
[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] - Abstract
International audience; This paper presents the approach we took to solve the Multi-Plant Photovoltaic Energy Forecasting Challenge for ECML/PKDD 2017. The approach we took granted us the second place of that challenge. In the paper, we will present how we moved from standard regression techniques to simple function optimization to tackle the challenge.
- Published
- 2017
21. Detecting strategic moves in HearthStone matches
- Author
-
Doux, Boris, Gautrais, Clément, Negrevergne, Benjamin, Large Scale Collaborative Data Mining (LACODAM), Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-GESTION DES DONNÉES ET DE LA CONNAISSANCE (IRISA-D7), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Université de Rennes (UR), GESTION DES DONNÉES ET DE LA CONNAISSANCE (IRISA-D7), CentraleSupélec-Télécom Bretagne-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National de Recherche en Informatique et en Automatique (Inria)-École normale supérieure - Rennes (ENS Rennes)-Université de Bretagne Sud (UBS)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-CentraleSupélec-Télécom Bretagne-Université de Rennes 1 (UR1), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria), Université de Rennes 1 (UR1), and Université de Rennes (UNIV-RENNES)
- Subjects
[INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB] ,[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] ,[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] - Abstract
International audience; In this paper, we demonstrate how to extract strategic knowledge from gaming data collected among players of the popular video game HearthStone. Our methodology is as follows. First we train a series of classifiers to predict the outcome of the game during a match, then we demonstrate how to spot key strategic events by tracking sudden changes in the classifier prediction. This methodology is applied to a large collection of HeathStone matches that we have collected from top ranked European players. Expert analysis shows that the events identified with this approach are both important and easy to interpret with the corresponding data.
- Published
- 2016
22. Understanding Customer Attrition at an Individual Level: a New Model in Grocery Retail Context
- Author
-
Gautrais, Clément, Cellier, Peggy, Guyet, Thomas, Quiniou, René, Termier, Alexandre, Large Scale Collaborative Data Mining (LACODAM), GESTION DES DONNÉES ET DE LA CONNAISSANCE (IRISA-D7), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), CentraleSupélec-Télécom Bretagne-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National de Recherche en Informatique et en Automatique (Inria)-École normale supérieure - Rennes (ENS Rennes)-Université de Bretagne Sud (UBS)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-CentraleSupélec-Télécom Bretagne-Université de Rennes 1 (UR1), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria), Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES), Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES), Logical Information Systems (LIS), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA), AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-GESTION DES DONNÉES ET DE LA CONNAISSANCE (IRISA-D7), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Université de Rennes (UR), Institut National des Sciences Appliquées (INSA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes 1 (UR1), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Inria Rennes – Bretagne Atlantique, and Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)
- Subjects
[INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB] ,Grocery retail ,Attrition modeling ,Data mining ,[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] - Abstract
International audience; This paper presents a new model to detect and explain customer defection in a grocery retail context. This new model analyzes the evolution of each customer basket content. It therefore provides actionable knowledge for the retailer at an individual scale. In addition, this model is able to identify customers that are likely to defect in the future months.
- Published
- 2016
23. Topic Signatures in Political Campaign Speeches
- Author
-
Gautrais, Clément, primary, Cellier, Peggy, additional, Quiniou, René, additional, and Termier, Alexandre, additional
- Published
- 2017
- Full Text
- View/download PDF
24. Human–Machine Collaboration for Democratizing Data Science
- Author
-
Gautrais, CléMent, Dauxais, Yann, Teso, Stefano, Kolb, Samuel, Verbruggen, Gust, and Raedt, Luc De
- Abstract
Everybody wants to analyse their data, but only few posses the data science expertise to to this. Motivated by this observation we introduce a novel framework and system for human-machine collaboration in data science. It wants to democratize data science by allowing users to interact with standard spreadsheet software in order to perform and automate various data analysis tasks ranging from data wrangling, data selection, clustering, constraint learning, predictive modeling and auto-completion. relies on the user providing colored sketches, i.e., coloring parts of the spreadsheet, to partially specify data science tasks, which are then determined and executed using artificial intelligence techniques. ispartof: Human-Like Machine Intelligence pages:379-402 ispartof: vol:abs/2004.11113 pages:379-402 status: Published online
- Full Text
- View/download PDF
25. COVID-19 in people with multiple sclerosis: A global data sharing initiative.
- Author
-
Peeters LM, Parciak T, Walton C, Geys L, Moreau Y, De Brouwer E, Raimondi D, Pirmani A, Kalincik T, Edan G, Simpson-Yap S, De Raedt L, Dauxais Y, Gautrais C, Rodrigues PR, McKenna L, Lazovski N, Hillert J, Forsberg L, Spelman T, McBurney R, Schmidt H, Bergmann A, Braune S, Stahmann A, Middleton R, Salter A, Bebo BF, Rojas JI, van der Walt A, Butzkueven H, van der Mei I, Ivanov R, Hellwig K, Sciascia do Olival G, Cohen JA, Van Hecke W, Dobson R, Magyari M, Brum DG, Alonso R, Nicholas R, Bauer J, Chertcoff A, de Sèze J, Louapre C, Comi G, and Rijke N
- Subjects
- Betacoronavirus, COVID-19, Coronavirus Infections complications, Coronavirus Infections therapy, Data Collection, Humans, Information Dissemination, International Cooperation, Multiple Sclerosis complications, Pandemics, Pneumonia, Viral complications, Pneumonia, Viral therapy, Risk Factors, SARS-CoV-2, Treatment Outcome, Coronavirus Infections physiopathology, Multiple Sclerosis therapy, Pneumonia, Viral physiopathology, Registries
- Abstract
Background: We need high-quality data to assess the determinants for COVID-19 severity in people with MS (PwMS). Several studies have recently emerged but there is great benefit in aligning data collection efforts at a global scale., Objectives: Our mission is to scale-up COVID-19 data collection efforts and provide the MS community with data-driven insights as soon as possible., Methods: Numerous stakeholders were brought together. Small dedicated interdisciplinary task forces were created to speed-up the formulation of the study design and work plan. First step was to agree upon a COVID-19 MS core data set. Second, we worked on providing a user-friendly and rapid pipeline to share COVID-19 data at a global scale., Results: The COVID-19 MS core data set was agreed within 48 hours. To date, 23 data collection partners are involved and the first data imports have been performed successfully. Data processing and analysis is an on-going process., Conclusions: We reached a consensus on a core data set and established data sharing processes with multiple partners to address an urgent need for information to guide clinical practice. First results show that partners are motivated to share data to attain the ultimate joint goal: better understand the effect of COVID-19 in PwMS.
- Published
- 2020
- Full Text
- View/download PDF
Catalog
Discovery Service for Jio Institute Digital Library
For full access to our library's resources, please sign in.