Résumé : Les régressions et leurs variantes sont les méthodes les plus répandues dans le machine learning ou apprentissage statistique. Nous verrons comment les adapter aux challenges du Big Data et comment, à partir d’un fichier distribué, piloter les calculs sur un cluster et tirer parti du HPC pour le Big Data (au travers de l’émulation du paradigme Map/Reduce sur un cluster). Par ailleurs, nous aborderons les challenges annexes de la visualisation des résultats, avec l’utilisation de techniques de filtrage appliquées à du HPC. Nous prendrons un exemple financier comme le CAPM (Capital Asset Pricing Model), qui utilise des techniques de régression.

Biographie : Ascension Vizinho-Coutry est la Responsable des ingénieurs d'application en France. Avant de rejoindre MathWorks en 2005, elle a été pendant 3 ans ingénieur d'application senior chez Cadence Design Systems où elle a fait partie du groupe Incisive; elle y a été en charge de la méthodologie SystemC et des solutions SPW (System Level Design solutions). Avant Cadence, elle a travaillé pour Philips Consumer Communications au Mans an tant qu'ingénieur chercheur dans les communications sans fil (UMTS). Elle est titulaire d'un diplôme d'ingénieur en mathématiques appliquées de l'Institut National des Sciences Appliquées de Rouen et d'un Ph.D. en mathématiques appliquées de l'Université de Sheffield.