NewsRoom

Méthodes de Clustering : quand les Travaux de DataStorm servent la Recherche Académique

Recherche académique 17 mars 2019

Si la recherche fondamentale passe par la mise en œuvre de données produites sous hypothèse bien maîtrisée, il faut ensuite inscrire la méthode dans un périmètre de fonctionnement réel. C’est ce que DataStorm peut offrir aux chercheurs.

Stéphane Auray, Nicolas Klutchnikoff et Laurent Rouvière ont pu développer leurs recherches en prenant comme cas d’usage le contrôle des effacements diffus dans la distribution d’énergie.

Un exemple : afin de travailler sur le contrôle des effacements diffus dans la distribution d’énergie, DataStorm a sollicité Laurent Rouvière et Nicolas Klutchnikoff, Docteurs en Mathématiques appliquées et enseignants-chercheurs à l’Université de Rennes 2 ainsi que Stéphane Auray, Professeur des Universités et enseignant-chercheur en Economie à l’ENSAI. Les mathématiciens et l’économiste ont proposé des méthodes de clustering et de recherche des k plus proches voisins sur lesquelles ils avaient jusqu’ici travaillé de façon purement académique.

Une publication dans Electronic Journal of Statistics
Les résultats se sont révélés plus pertinents que ceux produits avec les méthodes disponibles sur le marché et ce cas d’usage leur a permis de publier un papier scientifique dans Electronic Journal of Statistics : https://projecteuclid.org/euclid.ejs/1424267116#info. Installé dans un cercle vertueux de recherche et de production opérationnelle, avec des leviers directs pour les métiers de ses clients, DataStorm continue d’explorer de nouveaux territoires scientifiques au service de l’innovation.

En savoir plus :
https://www.datastorm.fr/notre-expertise-360/

Stéphane Auray :
https://sites.google.com/site/stephaneauray/home

Nicolas Klutchnikoff :
https://klutchnikoff.github.io/

Laurent Rouvière :
https://perso.univ-rennes2.fr/laurent.rouviere