Directrice d'études - DRIEA Île-de-France
Après une thèse en statistiques à l'IFSTTAR sur la modélisation fonctionnelle des profils de vitesse, et plusieurs années dans le privé dans le secteur aéronautique sur l'analyse des traces avions, j'ai rejoint la DRIEA Île-de-France en juillet 2019 en tant que Directrice d'études au sein du Service de la Connaissance, des Etudes et de la Prospective (SCEP).
Mes principales thématiques à la DRIEA sont la modélisation des déplacements et l'apport des nouvelles sources de données (“Floating Car Data”, données de téléphonie mobile, applications smartphones…) pour la connaissance de la mobilité.
Passionnée de machine learning et de visualisation de données, j'utilise Python depuis de nombreuses années et je pratique également R.
Ce billet présente une sélection d'ouvrages de référence et de ressources pédagogiques pour le Machine Learning. Les grands “classiques” Pour commencer, voici quelques ouvrages de référence (en anglais), tous disponibles gratuitement, pour bien comprendre et approfondir les différentes méthodes de Machine Learning :
Lire la suite